P 值检验观测的关系是否统计意义显著。偏差表中的 p 值用于似然比检验。对于较少的样本数量，似然比检验比 Wald 近似检验更为准确。您需要：

1    找到位于偏差表顶部的 p 值。通过检验是否所有的斜率都等于 0，此 p 值说明是否至少有一个预测变量和响应之间存在显著相关性。

2    将此 p 值与您的 a 水平进行比较。如果 p 值小于或等于所选择的 a 水平，那么相关性显著。常用的 a 水平为 0.05。

·      如果 p 值小于或等于 a 水平，那么相关性显著，并且可以断定至少一个预测变量与响应显著关联。

·      如果 p 值大于 a 水平，那么可以断定不存在显著关联，并且解释结束。

3    如果在步阶 2 中断定至少有一个显著的预测变量，请识别出模型中每一项的 p 值。这些 p 值说明特定的预测变量和响应之间是否存在统计意义显著相关性。

4    将这些 p 值逐个与您的 a 水平进行比较：如果 p 值小于或等于所选择的 a 水平，那么关联是显著的。

偏差表
 
来源        自由度  调整后偏差  调整后均值   卡方   P 值
回归             3     11.1298      3.7099  11.13  0.011
  收入           1      0.4985      0.4985   0.50  0.480
  儿童           1      3.3886      3.3886   3.39  0.066
  收看广告       1      3.3764      3.3764   3.38  0.066
误差            67     76.7665      1.1458
合计            70     87.8963
                                                      

对于谷类食品数据，检验所有斜率都为 0 的 p 值是 0.011。假定 a 水平为 0.05。由于 0.011 小于 0.05，因此可以断定响应至少与一个预测变量之间存在显著相关性。

现在查看每个预测变量的 p 值。如果 a 水平为 0.10，那么在 90% 的置信水平上“收看广告”(P = 0.066) 和“子女”(P = 0.066) 都是显著的。还可以断定家庭收入和谷类食品支出之间不存在显著相关性。