关于statsmodels中RLM的p值对应原假设的疑问

嗨，你完全可以放心——statsmodels里RLMResult.pvalues对应的原假设，和你在scipy里用来检验斜率是否显著不为0的逻辑是完全一致的！

具体来说，对于回归模型里的每一个系数（包括你关心的斜率项，也包括截距项），这个p值对应的原假设都是：该系数的真实总体值等于0，备择假设则是真实值不等于0（双侧检验）。

和scipy里的情况一样，如果这个p值足够小（比如小于你设定的显著性水平，常用0.05），你就可以拒绝原假设，认为这个系数（也就是你关注的斜率）是显著异于0的，说明它对因变量有显著的解释力。

补充一句：虽然statsmodels的文档里可能没把这个点单独拎出来强调，但这是线性回归类模型（包括稳健线性回归RLM）的通用设定——不管是普通OLS还是稳健估计，单个系数的p值默认都是用来检验“系数是否为0”这个原假设的，背后是基于稳健估计量的渐近正态性来计算的检验统计量和p值。

备注：内容来源于stack exchange，提问作者donkey