Я размышляю над обсуждением этого вопроса и, в частности, комментарием Фрэнка Харрелла о том, что для оценки дисперсии в сокращенной модели (т. Е. Той, в которой ряд объясняющих переменных были проверены и отклонены) следует использовать Обобщенные степени свободы Йе . Профессор Харрелл указывает, что это будет намного ближе к остаточным степеням свободы исходной «полной» модели (со всеми переменными в), чем к конечной модели (из которой было отклонено несколько переменных).
Вопрос 1. Если я хочу использовать соответствующий подход ко всем стандартным сводкам и статистическим данным из сокращенной модели (но если не считать полной реализации Общих степеней свободы), разумным подходом будет просто использовать остаточные степени свободы от полная модель в моих оценках остаточной дисперсии и т. д.?
Вопрос 2. Если вышеприведенное верно и я хочу сделать это R, возможно, это так же просто, как установка
finalModel$df.residual <- fullModel$df.residualв какой-то момент в упражнении по подгонке модели, где finalModel и fullModel были созданы с помощью lm () или аналогичной функции. После чего такие функции, как summary () и confint (), похоже, работают с нужным df.residual, хотя и возвращают сообщение об ошибке, которое кто-то явно испортил с объектом finalModel.
источник
lmerвыходные данные. Смотрите его рассуждения здесь .Ответы:
Вы не согласны с ответом @ FrankHarrel о том, что скупость приводит к каким-то уродливым научным компромиссам?
Мне нравится ссылка, приведенная в комментарии @MikeWiezbicki к обоснованию Дуга Бейтса. Если кто-то не согласен с вашим анализом, он может сделать это по-своему, и это интересный способ начать научную дискуссию о ваших базовых предположениях. Значение p не делает ваш вывод «абсолютной правдой».
источник