องศาอิสระที่เหลือที่เหมาะสมหลังจากปล่อยเงื่อนไขจากแบบจำลอง


27

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


8
คำถามที่ดี. สิ่งนี้เกี่ยวข้องกับสาเหตุที่ดักลาสเบตส์ไม่รวมค่า p ในlmerเอาต์พุต ดูเหตุผลของเขาที่นี่

2
ฉันได้เห็นแบบเต็ม df ใช้ในสถานการณ์เช่นนี้มากกว่าหนึ่งครั้ง (วิธีการที่ท่านทั้งหลายมามากขึ้นในสถานการณ์ที่แตกต่างกันมันเป็นกระดาษฉันพบตัวเองแนะนำให้กับประชาชนเป็นประจำมันจะดีมีบางฟังก์ชั่น R ทั่วไป แต่มีประสิทธิภาพที่ฟังก์ชั่นจำนวนมากสามารถใช้ประโยชน์จาก..)
Glen_b -Reinstate โมนิกา

คำตอบ:


3

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


2
+1 และตอนนี้ฉันมีแนวโน้มที่จะเห็นด้วยว่าอันที่จริงคำถามเดิมของฉันไม่สำคัญสำหรับปัญหาอื่น ๆ เหล่านี้
Peter Ellis
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.