R中多分类逻辑回归分类变量p值为0的含义及解读

你遇到的p值显示为0的情况不是计算错误，而是统计量绝对值过大，超出了R双精度浮点数的可表示范围，导致数值被近似为0，本质代表结果高度显著。以下是具体分析：

核心原因 #

你计算p值的代码p_values <- (1 - pnorm(abs(z_stats)))*2逻辑是对的，这是针对z统计量的双侧检验计算方式。当z统计量的绝对值足够大时（比如绝对值>37左右），pnorm(abs(z_stats))的结果会无限接近1，此时1 - pnorm(...)的数值会小到低于R双精度浮点数的最小可表示正数（约2.2e-308），因此会被显示为0。

验证方法 #

你可以直接查看对应的z统计量绝对值，确认这些变量的统计量大小：

abs(z_stats)

你会发现VEHICLE_TYPE6、VEHICLE_TYPE7、VEHICLE_TYPE8对应的数值会非常大，这意味着这几个类别和参考类别之间的关联极强，统计显著性极高。

如何查看更精确的数值 #

如果需要更精确的p值表示，可以尝试用科学计数法并保留更多位数：

format(p_values, scientific = TRUE, digits = 15)

不过如果数值确实太小，仍然会显示为0e+00，但这依然能说明结果是高度显著的，而非计算错误。

额外提示 #

在多分类逻辑回归中，分类变量的每个水平都是和参考水平做对比的。这几个类型的p值显示为0，说明它们和参考类别在因变量的分布上存在极强的差异，统计上完全显著。

你的代码及输出：

> p_values <- (1 - pnorm(abs(z_stats)))*2
> p_values
  (Intercept) SURFACE_COND2 SURFACE_COND3 SURFACE_COND4 SURFACE_COND5 SURFACE_COND9 VEHICLE_TYPE2 VEHICLE_TYPE3
2           0  1.732286e-08     0.1979489  7.654519e-07  1.634368e-02  7.505911e-03  3.917932e-04   0.024577610
3           0  4.137271e-07     0.1505311  0.000000e+00  1.776133e-10  3.497501e-05  1.126374e-05   0.001057668
  VEHICLE_TYPE4 VEHICLE_TYPE5 VEHICLE_TYPE6 VEHICLE_TYPE7 VEHICLE_TYPE8 VEHICLE_TYPE9 VEHICLE_TYPE10 VEHICLE_TYPE11
2     0.1873876  6.542883e-04             0             0             0  1.866588e-08   1.678066e-01     0.02322403
3     0.1458607  7.277671e-05             0             0             0  4.074296e-12   5.167644e-09     0.01476668

内容的提问来源于stack exchange，提问作者fullcollapse