[R-es] estadístico de Wilks (razón de verosimilitudes) en regresión logística.

[jose luis]

Hola a todos.
Necesito contrastar la bondad del ajuste en un modelo de regresión 
logística con variable explicativa cualitativa.
He creado el modelo con :

modelo.ajustado<-glm(muerte~dosis,family=binomial,weights=Freq,data=datos)


dónde Freq son las frecuencias en cada categoría. Con

summary(modelo.ajustado)

Call:
glm(formula = muerte ~ dosis, family = binomial, data = datos,
    weights = Freq)

Deviance Residuals:
    Min       1Q   Median       3Q      Max 
-4.5442  -2.5699   0.8772   6.6161  16.4381 

Coefficients:
            Estimate Std. Error z value Pr(>|z|)   
(Intercept)  -7.5462     0.2673 -28.228  < 2e-16 ***
dosisB        0.4362     0.3061   1.425  0.15419   
dosisC        0.9165     0.3524   2.601  0.00930 **
dosisD        1.2262     0.4632   2.647  0.00812 **
dosisE        2.1411     0.3857   5.552 2.83e-08 ***
dosisF        3.1459     0.3111  10.113  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2110.0  on 59  degrees of freedom
Residual deviance: 1960.8  on 54  degrees of freedom
AIC: 1972.8

Number of Fisher Scoring iterations: 8

Y no sé cómo calcular el estadístico G2, y su p-valor, pensaba que era 
1-pchisq("devianza residual", gl). pero creo que no, que tiene algo que 
ver con la diferencia de la log-verosimilitud entre el modelo saturado y 
este. ¿cómo se podría hacer?

Gracias.