如何解读含隐藏默认分类的Quasipoisson GLM的p值及效应显著性？

• 关于站点间对比：你猜的没错，默认的GLM结果只会把Husab Mine、Swakop分别和默认站点Hope Mine做两两对比，不会直接输出Husab Mine和Swakop之间的差异。如果要验证这两个站点的访问率是否有区别，得自己做事后检验，比如用emmeans()或者multcomp包的函数来计算。
• 关于p值选择：
  • 性别变量：直接看输出里雄性（M）对应的p值，这个值是检验雄性和默认分类雌性（F）的访问率是否有显著差异。如果p值小于你设定的显著性水平（比如0.05），就说明性别对访问率有显著影响。
  • 站点变量：不能只看单个站点和Hope Mine对比的p值，得先做模型整体效应检验（比如在R里用anova(glm_model, test="F")，Quasipoisson模型用F检验更准确）。这个整体检验的p值才是判断站点是否对访问率有显著影响的核心依据。如果整体检验显著，再看单个站点的p值，明确具体是哪些站点和Hope Mine有差异。

内容的提问来源于stack exchange，提问作者Nata