问Logistic回归系数p值大于α(0.05)

EN

P值概括了一个系数的统计检验，该系数在统计上与零没有差别。因此，当p值大于5%时，估计系数可以是正的，也可以是负的(置信区间包括正负两值)。

通常，这种解释的方式是某些变量不对模型做出可靠的贡献。这通常与因果模型有关。但这并不意味着变量对模型没有贡献，应予以排除。忽略变量偏差可能是一个巨大的问题！(见:计量经济学理论和方法，Davidson/Mackinnon，第3.2章，OLS案-非常有趣)。在联合显着性检验中，一个非显着变量仍然是相关的.

尤其是如果你对预测感兴趣，那么p值并不是什么问题。在趋势上，你可以说模型的过度规格化比低规格化的危害要小。值得怀疑的是，在模型中保留非显着变量(它可能只是一个弱的预测器)。

然而，如果你有较弱的预测因子，你也可以期待拉索或岭回归。在这种回归类型中，对预测贡献很小或没有贡献的变量是“缩小的”。这是一件非常酷的事情，可能是您接下来要看的第一件事：https://web.stanford.edu/~hastie/glmnet/glmnet_alpha.html#log。

我喜欢Lasso/Ridge，因为在这种情况下，模型选择是(至少在某种程度上)数据驱动的。

还可以看一看“在R中应用的统计学习简介”(第6.2章)。你可以在网上找到这本书的副本。这本书中的R代码示例非常有教育意义。