对于glm模型summary()输出的汇总结果

对于glm模型summary()输出的汇总结果，如何解读是非常重要的，它直接影响得出的结论。

例如下面这样一个输出结果，该如何理解呢？

Call:

glm(formula = bl ~ I, family = gaussian,data = anaData)

Deviance Residuals:

   Min       1Q   Median      3Q      Max  

-62.364 -14.278   -0.462   14.293  51.475  

Coefficients:

           Estimate Std. Error t value Pr(>|t|)   

(Intercept)   67.067     5.766  11.632  < 2e-16 ***

I             10.368      3.647  2.843  0.00521 **

根据课程所学并查阅有关参考书箱，理解如下：

一、调用

Call:

glm(formula = bl ~ I, family = gaussian,data = anaData)

当创建模型时，以上代码表明glm 是如何被调用。

二、残差统计量

Deviance Residuals:

   Min       1Q   Median   3Q      Max  

-62.364  -14.278   -0.462  14.293   51.475  

残差第一四分位数（1Q ）和第三分位数（Q3 ）有大约相同的幅度，意味着有较对称的钟形分布。

三、系数

Coefficients:

           Estimate    Std. Error   t value   Pr(>|t|)   

(Intercept)     67.067      5.766    11.632  < 2e-16 ***

I             10.368      3.647   2.843    0.00521 **

标记为Estimate 的列包含由普通最小二乘法计算出来的估计回归系数。

标记为Std. Error 的列是估计的回归系数的标准误差。

从理论上说，如果一个变量的系数是0 ，那么该变量是无意义的，它对模型毫无贡献。然而，这里显示的系数只是估计，它们不会正好为0 。因此，我们不禁会问：从统计的角度而言，真正的系数为0 的可能性有多大？这是t 统计量和P 值的目的，在汇总中被标记为t value 和 Pr(>|t|) 。

P 值估计系数不显著的可能性，有较大P 值的变量是可以从模型中移除的候选变量。