周期性数据建模中Wald检验的解读（cosinor包）
Interpretation of Wald test in modelling periodic data (cosinor package)
我正在使用 cosinor 库来拟合使用内置数据集的模型
library(cosinor)
fit <- cosinor.lm(Y ~ time(time) + X + amp.acro(X), data = vitamind, period = 12)
现在测试 X 变量是否对我使用的模型有贡献
test_cosinor(fit, "X", param = "amp")
test_cosinor(fit, "X", param = "acr")
如文档中所述
https://cran.r-project.org/web/packages/cosinor/cosinor.pdf
此函数执行 Wald 检验，将协变量等于 1 的组与协变量等于 0 的组进行比较。
如果我理解正确，如果 p<0.05，则 X 变量对模型没有贡献，例如，如果 X = 1 是男性，X = 0 是女性，这意味着该模型对两个男性都“相似”和女性，这意味着女性在研究期间没有遵循不同的模式，这是正确的吗？
我的第二个问题是，如果“amp”的 p < 0.05 和“acr”的 p > 0.05，将如何解释。我认为两者对于变量对模型的贡献都应该很重要，对吗？
我不熟悉 cosinor 库，但我很确定 p-value 可以像大多数其他统计方法一样进行解释。
In statistics, the p-value is the probability of obtaining results at least as extreme as the observed results of a statistical hypothesis test, assuming that the null hypothesis is correct. Investopedia
A p-value 为 0.05 表示假设原假设为真，观察到这些结果的概率为 5%。
因此，如果 p-value 小于 0.05，我们通常会拒绝 null-hyothesis，因为它为真的概率小于 5%。
一般来说，如果 p>0.05，则表示 x 对 y 没有统计上的显着影响。另一方面，如果 p<0.05 x 确实对 y
有统计显着影响
因此，如果 X=1 是男性，X=0 是女性并且 p<0.05 则性别对 y.
的统计显着影响
如果 amp 的 p<0.05，这意味着 amp 对 y 也有统计上的显着影响。由于 acr 的 p-value 高于 0.05，因此 对 y 没有 显着的统计影响。
请注意，0.05 只是一个阈值，通常是任意选择的，并且随着时间的推移成为普遍做法。
我正在使用 cosinor 库来拟合使用内置数据集的模型
library(cosinor)
fit <- cosinor.lm(Y ~ time(time) + X + amp.acro(X), data = vitamind, period = 12)
现在测试 X 变量是否对我使用的模型有贡献
test_cosinor(fit, "X", param = "amp")
test_cosinor(fit, "X", param = "acr")
如文档中所述
https://cran.r-project.org/web/packages/cosinor/cosinor.pdf
此函数执行 Wald 检验，将协变量等于 1 的组与协变量等于 0 的组进行比较。
如果我理解正确，如果 p<0.05，则 X 变量对模型没有贡献，例如，如果 X = 1 是男性，X = 0 是女性，这意味着该模型对两个男性都“相似”和女性，这意味着女性在研究期间没有遵循不同的模式，这是正确的吗？
我的第二个问题是，如果“amp”的 p < 0.05 和“acr”的 p > 0.05，将如何解释。我认为两者对于变量对模型的贡献都应该很重要，对吗？
我不熟悉 cosinor 库，但我很确定 p-value 可以像大多数其他统计方法一样进行解释。
In statistics, the p-value is the probability of obtaining results at least as extreme as the observed results of a statistical hypothesis test, assuming that the null hypothesis is correct. Investopedia
A p-value 为 0.05 表示假设原假设为真，观察到这些结果的概率为 5%。
因此，如果 p-value 小于 0.05，我们通常会拒绝 null-hyothesis，因为它为真的概率小于 5%。
一般来说，如果 p>0.05，则表示 x 对 y 没有统计上的显着影响。另一方面，如果 p<0.05 x 确实对 y
有统计显着影响因此，如果 X=1 是男性，X=0 是女性并且 p<0.05 则性别对 y.
的统计显着影响如果 amp 的 p<0.05，这意味着 amp 对 y 也有统计上的显着影响。由于 acr 的 p-value 高于 0.05，因此 对 y 没有 显着的统计影响。
请注意，0.05 只是一个阈值，通常是任意选择的，并且随着时间的推移成为普遍做法。