No, yo diría que "modelo nulo" tiene esencialmente el mismo significado que "hipótesis nula": el modelo si la hipótesis nula es verdadera. Lo que esto significa, en un caso particular, por supuesto depende de la hipótesis nula concreta.
Sus interpretaciones como "el valor promedio" (probablemente quiera decir "la distribución marginal en la variable de respuesta") sin tener en cuenta ningún predictor, es una posibilidad, que corresponde a la hipótesis nula de una "prueba general", probando todos los parámetros (excepto la intersección) simultáneamente.
Pero el interés bien podría centrarse en un modelo de la forma
donde x 1 contiene los predictores que sabe que están afectando el resultado, por lo que no quieren para probar, mientras que x 2 contiene los predictores que está probando.
yi=β0+βT1x1i+βT2x2i+ϵi
x1x2
Entonces la hipótesis nula será y el modelo nulo sería
y i = β 0 + β T 1 x 1 i + ϵ iβ2=0yi=β0+βT1x1i+ϵi . Entonces eso depende.
fit = lm(formula = y ~ 1, data)
y debería ver la media dey
. Además, vea la respuesta de MorganBall. Estaría más de acuerdo con su respuesta. Además, un modelo nulo puede ser un modelo con predictores , con un modelo alternativo que es uno con p + k , donde k puede ser 1,2, ... covariables adicionales.