องศาอิสระที่เหลือที่เหมาะสมหลังจากปล่อยเงื่อนไขจากแบบจำลอง

ฉันกำลังสะท้อนให้เห็นถึงการอภิปรายรอบคำถามนี้และโดยเฉพาะอย่างยิ่งความคิดเห็นแฟรงก์ฮาร์เรลที่ประมาณการของการเปลี่ยนแปลงรูปแบบการลดลง (เช่นหนึ่งจากการที่จำนวนของตัวแปรอธิบายได้รับการทดสอบและปฏิเสธ) ควรใช้เยองศาทั่วไปของเสรีภาพ ศาสตราจารย์ฮาร์เรลล์ชี้ให้เห็นว่าสิ่งนี้จะใกล้เคียงกับองศาอิสระที่เหลืออยู่ของแบบจำลอง "เต็ม" แบบดั้งเดิม (ที่มีตัวแปรทั้งหมด) มากกว่าแบบจำลองสุดท้าย (ซึ่งตัวแปรจำนวนหนึ่งถูกปฏิเสธ)

คำถามที่ 1 หากฉันต้องการใช้วิธีการที่เหมาะสมกับบทสรุปและสถิติมาตรฐานทั้งหมดจากแบบจำลองที่ลดลง (แต่ขาดการดำเนินการอย่างเต็มรูปแบบขององศาความเป็นอิสระทั่วไป) วิธีการที่สมเหตุสมผลจะเป็นเพียงแค่ใช้องศาอิสระที่เหลือจาก แบบจำลองเต็มรูปแบบในการประมาณค่าความแปรปรวนที่เหลือเป็นต้น

คำถามที่ 2 หากข้างต้นเป็นจริงและฉันต้องการที่จะทำมันRอาจจะง่ายเหมือนการตั้งค่า

finalModel$df.residual <- fullModel$df.residual

ในบางจุดของแบบฝึกหัดการสร้างแบบจำลองที่ซึ่ง finalModel และ fullModel ถูกสร้างขึ้นด้วย lm () หรือฟังก์ชันที่คล้ายกัน หลังจากที่ฟังก์ชั่นเช่นสรุป () และ confint () ดูเหมือนจะทำงานกับ df.residual ที่ต้องการแม้ว่าจะส่งคืนข้อความแสดงข้อผิดพลาดว่ามีบางคนได้บดบังด้วยวัตถุ finalModel อย่างชัดเจน

คุณไม่เห็นด้วยกับคำตอบของ @ FrankHarrelที่ parsimony มาพร้อมกับการแลกเปลี่ยนทางวิทยาศาสตร์ที่น่าเกลียดใช่ไหม?

ฉันชอบลิงก์ที่ให้ไว้ในข้อคิดเห็นของ @ MikeWiezbicki ต่อเหตุผลของ Doug Bates หากใครบางคนไม่เห็นด้วยกับการวิเคราะห์ของคุณพวกเขาสามารถทำมันได้และนี่เป็นวิธีที่สนุกในการเริ่มการอภิปรายทางวิทยาศาสตร์เกี่ยวกับสมมติฐานพื้นฐานของคุณ ค่า p ไม่ทำให้ข้อสรุปของคุณเป็น "ความจริงเด็ดขาด"

หากการตัดสินใจว่าจะรวมพารามิเตอร์ในแบบจำลองของคุณลงมาที่ "การเก็บขน" เหนือสิ่งใดสำหรับตัวอย่างที่มีความหมายทางวิทยาศาสตร์ความแตกต่างที่ค่อนข้างเล็กใน df - และคุณไม่ได้จัดการกับปัญหาที่ปรับ การอนุมานที่เหมาะสมยิ่งขึ้นต่อไป - จากนั้นคุณมี Param ใกล้เคียงกับการตัดทอนที่คุณควรจะโปร่งใสและพูดคุยเกี่ยวกับมันด้วยวิธีใดวิธีหนึ่ง: เพียงแค่รวมมันหรือวิเคราะห์แบบจำลองที่มีและไม่มีมัน การวิเคราะห์ขั้นสุดท้าย $n<p$