ラッセル回帰p値と係数の解釈

Question

ラッセル回帰の出力をどのように解釈すべきかと思います。例えば取る：

library(lasso2) 
lm.lasso <- l1ce(mpg ~ . , data=mtcars) 
summary(lm.lasso)$coefficients 

出力は次のとおりです。

   Value Std. Error  Z score Pr(>|Z|) 
(Intercept) 36.01809203 18.92587647 1.90311355 0.05702573 
cyl   -0.86225790 1.12177221 -0.76865686 0.44209704 
disp   0.00000000 0.01912781 0.00000000 1.00000000 
hp   -0.01399880 0.02384398 -0.58709992 0.55713660 
drat   0.05501092 1.78394922 0.03083659 0.97539986 
wt   -2.68868427 2.05683876 -1.30719254 0.19114733 
qsec   0.00000000 0.75361628 0.00000000 1.00000000 
vs   0.00000000 2.31605743 0.00000000 1.00000000 
am   0.44530641 2.14959278 0.20715850 0.83588608 
gear   0.00000000 1.62955841 0.00000000 1.00000000 
carb  -0.09506985 0.91237207 -0.10420075 0.91701004 

私は右理解していれば、投げ縄回帰は、その係数は、本質的にあるように、基本的にはモデルへの重要でない機能を最小化することになっていますゼロ。 qsec、vs、およびgearの機能には意味があります。しかし、p値はすべて重要ではありません。

係数が基本的にゼロですが、p値が1に近い場合は、どの値を信頼する必要がありますか？モデルのフィーチャはゼロであるため、モデルからそのフィーチャを破棄するか、そのp値が重要でないためモデルからそのフィーチャを破棄する必要がありますか？

Answer 1

可変係数がゼロに等しく、モデルに影響を与えないという帰無仮説です。帰無仮説を棄却するには、0.05より小さいp値を持つ必要があります。値が小さいほど帰無仮説を棄却する信頼度が高くなります。

したがって、値が1.00である場合のp値の評価では、帰無仮説の拒否には何の影響もない（影響力係数はゼロである）ことを意味します。

回帰が係数を0に落とし、p値を1にしたモデルでは、lassoが影響を受けない値をゼロ係数にどのように減らすかを理解できます。 0と1の両方を信頼する必要があります！