ポアソンモデルの当てはめの主要な結果を解釈する

モデルにおける応答と各項の間の関係が統計的に有意かどうか判断するには、項のp値と有意水準を比較して帰無仮説を評価します。この帰無仮説は、項と応答に関連性がないという仮定です。通常は、有意水準（αまたはアルファとも呼ばれる）として0.05が適切です。0.05の有意水準は、実際には関連性がない場合でも、関連性が存在すると結論付けてしまうリスクが5%であるということを示します。

p値 ≤ α：関連性は統計的に有意である

p値が有意水準以下の場合は、応答変数と項の間に統計的に有意な関連性が存在すると結論付けることができます。

p値 > α：その関連性は統計的に有意ではない

p値が有意水準より大きい場合は、応答変数と項の間に統計的に有意な関連性があると結論することはできません。項を持たないモデルを再適合したいと考えるかもしれません。

応答との間に統計的に有意な関連性がない予測変数が複数存在する場合は、一度に1つずつ項を削除することによってモデルを縮約できます。モデルからの項の削除の詳細は、モデルの縮約化を参照してください。

モデル項が統計的に有意な場合、解釈は項のタイプによって異なります。解釈は以下のとおりです。

• 連続予測変数が有意な場合、予測変数の係数は0ではないと結論できます。
• カテゴリ予測変数が有意である場合、全ての水準が同じ平均事象数を持つわけではないと結論できます。
• 交互作用項が有意な場合は、予測変数と事象数の間の関係が、その項の他の予測変数に依存すると結論できます。
• 多項式項が有意な場合は、予測変数と事象数の関係が、予測変数の大きさに依存すると結論できます。

適合度検定を使用して、ポアソン分布が予測できない方法で、予測される事象数が観測される事象数から逸脱しているかどうかを判断します。適合度検定のp値が選択した有意水準よりも低い場合、ポアソン分布によって適合値を導き出す帰無仮説を棄却できます。逸脱の一般的な原因は以下の通りです。

• 不適切なリンク関数
• モデル内にある変数の高次項が省略されています
• モデル内にはない予測変数が省略されています
• 過分散