私の名前はヒューです。私は博士課程の学生で、一般的な加法モデルを使用して探索的分析を行っています。
MGCVパッケージからのp値をどのように解釈し、理解を確認したいのかわかりません（バージョン1.7-29を使用しており、Simon Woodのドキュメントをいくつか参照しました）。最初に他のCVの質問を探しましたが、最も関連性の高い質問は一般的な回帰に関するものであり、特にGAMのp値ではないようです。
GAMにはさまざまな引数がたくさんあり、p値はあくまでも概算です。しかし、私は単純に始めて、私の共変量に「シグナル」があるかどうかを確認しています。例えば：
Y〜s（a、k = 3）+ s（b、k = 3）+ s（c、k = 3）+ s（d、k = 3）+ s（e、k = 3）
滑らかな項の近似p値：
s（a）= 0.000473
s（b）= 1.13e-05
s（c）= 0.000736
s（d）= 0.887579
s（e）= 0.234017
R²（調整済み）= 0.62 逸脱の説明= 63.7％
GCVスコア= 411.17 スケール推定= 390.1 n = 120
書式設定により、df列などを切り取りました。各共変量のp値を、対応する滑らかな関数がモデルの逸脱を大幅に低減するかどうかのテストとして解釈しています。ここで、pは、0のnullモデルで観察されるものと少なくとも「比較的妥当でない」データを取得する確率です。
これは、（たとえばalpha = 0.05を使用して）平滑化された関数が "d"および "e"とnullモデルの偏差を減少させなかったのに対し、他の項については減少させたことを意味します。したがって、（d）と（e）は回帰に重要な情報を追加せず、説明された逸脱は（a）（b）（c）に下がっていますか？
助言をいただければ幸いです。また、幸運にも研究にご協力ください。