null 및 모델 편차를 사용하여 GLM 모델 테스트

나는 R에서 glm 모델을 만들고 테스트 및 교육 그룹을 사용하여 테스트 했으므로 잘 작동한다고 확신합니다. R의 결과는 다음과 같습니다.

Coefficients:
                            Estimate Std. Error  t value Pr(>|t|)    
(Intercept)               -2.781e+00  1.677e-02 -165.789  < 2e-16 ***
Coeff_A                    1.663e-05  5.438e-06    3.059  0.00222 ** 
log(Coeff_B)               8.925e-01  1.023e-02   87.245  < 2e-16 ***
log(Coeff_C)              -3.978e-01  7.695e-03  -51.689  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for quasibinomial family taken to be 0.9995149)

    Null deviance: 256600  on 671266  degrees of freedom
Residual deviance: 237230  on 671263  degrees of freedom
AIC: NA

계수에 대한 모든 p 값은 예상대로 작습니다.

이 질문 ( GLM R의 잔차 및 널 편차 해석 )을 보면 다음 방정식을 사용하여 귀무 가설이 유지되는지 계산할 수 있어야합니다.

p-value = 1 - pchisq(deviance, degrees of freedom)

이것을 고집하면 다음과 같습니다.

1 - pchisq(256600, 671266)
[1] 1

모든 계수의 p 값이 너무 작거나 이것을 계산하는 방법을 잘못 해석하더라도 귀무 가설을 기각 할 수 없다고 생각하는 것이 맞습니까?

여기에 오해가 있습니다. 널 이탈과 모델 이탈 의 차이 는 모형의 df를 뺀 null df와 같은 자유도를 가진 카이 제곱으로 분포됩니다 . 모델의 경우 다음과 같습니다.

1-pchisq(256600 - 237230, df=(671266 - 671263))
# [1] 0

pchisq()lower.tail = FALSE$1$