Fisher指出显著性检验可能得出的三种结论:
一. p-value很小(通常是小于0.01),他认为某种结果已经确实无疑地表现出来了,也就是说基本能够否定原假设了。
二. p-value很大(通常大于0.2),他宣称即使这个结果真的存在,也会因为该结果发生的可能性太小,所以不可能有任何能够显示出这个结果的大规模实验。其大意就是因为p-value不显著,即使真实的情况是原假设是错误的,也会因为这种情况发生的几率太小,使得在实际中没办法做那么大样本的实验来支持这一论点。
三.p-value介于二者之间,Fisher则讨论了应如何设计下一个实验,才能够优化自己的结果
glm假设检验都是假设只有一个参数,其余均为0(null model)
所有回归的假设检验的原假设都是系数为零,所以也叫零假设