解释拟合 Poisson 模型的主要结果

要确定响应与模型中每个项之间的关联在统计意义上是否显著，请将该项的 P 值与显著性水平进行比较以评估原假设。原假设声明该项与响应之间没有关联。通常，显著性水平（用 α 或 alpha 表示）为 0.05 即可。显著性水平 0.05 指示在实际上不存在关联时得出存在关联的风险为 5%。

P 值 ≤ α：关联在统计意义上显著

如果 P 值小于或等于显著性水平，则可以得出响应变量与项之间的关联在统计意义上显著的结论。

P 值 > α：关联在统计意义上不显著

如果 p 值大于显著性水平，则无法得出响应变量与该项之间的关联在统计意义上显著的结论。您可能希望重新拟合没有该项的模型。

如果多个预测变量与响应在统计意义上没有显著的关联，则可以通过删除项（一次删除一个）来简化模型。有关从模型中删除项的更多信息，请转到模型简化。

如果一个模型项在统计意义上显著，则解释取决于该项的类型。解释如下所示：

• 如果一个连续预测变量显著，则可以得出该预测变量的系数不是零的结论。
• 如果一个类别变量显著，则可以得出并非所有水平都具有相同的平均事件数的结论。
• 如果一个交互作用项显著，则可以得出预测变量与事件数之间的关系取决于该项中的其他预测变量的结论。
• 如果一个多项式项显著，则可以得出预测变量与事件数之间的关系取决于预测变量的量级的结论。

使用拟合优度检验确定预测事件数是否以 Poisson 分布无法预测的方式偏离观测事件数。如果拟合优度检验的 P 值低于您所选的显著性水平，则您可以否定 Poisson 分布能够提供良好拟合的原假设。此列表提供偏离的常见原因：

• 不正确的链接函数
• 忽略了模型中变量的高阶项
• 忽略了模型中不存在的预测变量
• 过度离散