在R中运行带卡方检验的ANOVA未输出p值问题咨询

1. 最常见原因：加交互项的模型拟合异常，残差偏差不降反升 #

你输出里的Deviance可以理解为模型预测的误差大小，数值越小说明拟合效果越好。正常来说，给模型新增参数（你这里加了7个交互参数，对应伤亡编码8个类别）后，拟合误差应该变小，但你现在的Deviance是负数（-174.6），说明加了交互项之后模型拟合效果反而更差了。
卡方检验要求统计量为正数才符合分布计算规则，负数没法计算p值，因此R直接不输出结果。
出现这种拟合异常的常见诱因：

• 某几类伤亡编码的样本量太少：比如某类受伤类型只有个位数样本，加了Time和它的交互后，模型没法稳定估计系数，出现过拟合反而拉低了整体拟合效果
• 完全/准完全分离：比如某类伤亡编码里，停留时间短的个体全存活、停留时间长的全死亡，或者反过来，逻辑回归遇到这种情况系数会估计失效
• 你代码里的重复赋值可能引入了隐藏问题：time.interactions.code<-acs.interactions.weight<-glm(...)同时给两个变量赋值，如果你之前的acs.interactions.weight是带权重或者其他特殊设置的模型，可能隐含异常，建议拆成两行分开赋值：

time.interactions.code <- glm(Result~Time + Agefac + Codefac + Species.Typefac + Time:Codefac, family = binomial, data = GBH_Data)
time.code.anova <- update(time.interactions.code,~.-Time:Codefac)

2. 次要原因：anova调用时模型顺序写反 #

R的anova做嵌套模型比较要求参数少的简单模型放前面，参数多的复杂模型放后面，如果不小心写反了两个模型的顺序，算出来的Deviance也会是负数，自然出不了p值。你可以尝试调整顺序再运行一次：

anova(time.interactions.code, time.code.anova, test = "Chisq")

快速排查方案 #

先运行以下代码查看是否存在无法估计的系数：

# 查看交互项模型的系数是否有缺失值
any(is.na(coef(time.interactions.code)))

如果返回TRUE，就说明确实存在没法估计的交互项，你需要合并样本量太少的伤亡编码类别后再重新跑模型即可。

内容的提问来源于stack exchange，提问作者BB_928