要了解原因，我们应该尝试了解我们在这里所做的事情。

让我们从第一个 p 值开始：2e-16，这是什么意思？这是线性模型和第二多项式模型在统计上相同的零假设下的 p 值。如果多项式中的额外系数在统计上为零，我们说它们是相同的。这正是 p 值告诉你的。内容如下：There is 2e-16 probability that the null hypothesis of the linear model and the polynomial are identical. 这是一个非常小的概率，因此您可以得出结论，它们并不相同。这意味着，二阶多项式是比显着性水平为 5% 的线性模型更好的模型。

（PS：对 p 值的更正确的统计解释与误报拒绝有关，但我们不要深入探讨）

现在，使用相同的逻辑，您可以得出结论，三阶多项式比二阶多项式拟合得更好。

接下来，比较三阶和四阶多项式的 p 值约为 0.05。你可以拒绝它，或者你不想拒绝它，这取决于你。但如果是你，我根本不会拒绝它，因为它大于 0.05。

最后，最终的 p 值是关于0.37哪个太高。这意味着尽管五阶多项式比四阶拟合得更好，但您的 RSS 中的损失不足以证明自由度的损失是合理的。因此，我们说the fifth order polynomial is statistically no better than the fourth-order。

结论：拥有较大的 p 值是“不好的”，因为您真的想拒绝零假设。从统计学上讲，我们这样做是为了控制误报率。

PS：在您的示例中，R 使用 F 检验来比较两个模型。