Glatte Begriffe sind wie eine einfache Linie in einem verallgemeinerten linearen Modell (Paket mgcv)

Question

ich fit habe ein verallgemeinerte additives Modell mit einer binären Reaktion unter Verwendung des Codes:

library(mgcv) 
attach(mydata) 
m = gam(y ~ dm + af + s(BMI) + s(sleepworkday), family=binomial(logit), data=mydata, method="REML") 
summary(m) 

Nicht, dass dm und af sind auch binäre . Die Ergebnisse sind:

Family: binomial 
Link function: logit 

Formula: 
y ~ dm + af + s(BMI) + s(sleepworkday) 

Parametric coefficients: 
      Estimate Std. Error z value Pr(>|z|)  
(Intercept) -1.3683  0.1291 -10.600 < 2e-16 *** 
dmyes  -1.0930  0.3019 -3.621 0.000294 *** 
afyes  -2.5139  1.0209 -2.462 0.013801 * 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Approximate significance of smooth terms: 
       edf Ref.df Chi.sq p-value 
s(BMI)   1.000 1.000 4.834 0.0279 * 
s(sleepworkday) 1.112 1.216 5.700 0.0305 * 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

R-sq.(adj) = 0.0447 Deviance explained = 6.58% 
-REML = 247.49 Scale est. = 1   n = 606 

Es scheint, dass beide glatte Begriffe signifikant sind. Aber sie aß nur eine einfache Linie, wie ich verwende:

plot(m) 

Hier ist die Handlung:

Der andere glatte Begriff ist auch wie eine einfache Linie. Warum sind die glatten Begriffe signifikant, aber nicht gekrümmt? Sollte ich irgendwelche Optionen ändern?

Answer 1

Die p-Werte dienen zum Testen, ob die Kurve gleich Null ist, und nicht, ob sie einer geraden Linie entspricht (wobei letzterer nicht der natürlichste Test ist, wenn Glättungsparameter automatisch geschätzt werden).