Bu sorunun etrafındaki tartışmaya ve özellikle Frank Harrell'in yorumuna, indirgenmiş bir modelde (yani, birkaç açıklayıcı değişkenin test edildiği ve reddedildiği bir varyans tahmininin) Ye'in Genelleştirilmiş Serbestlik Dereceleri kullanması gerektiği yorumunu yansıtıyorum . Profesör Harrell, bunun orijinal "tam" modelin (serbest bırakma modelinin) kalan serbestlik derecelerine (bir dizi değişkenin reddedildiği) son bir modelden çok daha yakın olacağını belirtti.
Soru 1. Azaltılmış bir modelin tüm standart özetlerine ve istatistiklerine uygun bir yaklaşım kullanmak istersem (ancak Genelleştirilmiş Serbestlik Derecelerinin tam olarak uygulanmasının yetersiz olması durumunda), makul bir yaklaşım sadece kalan serbestlik derecelerinin kullanılması olacaktır. kalan varyans tahminlerimdeki tam model, vb.
Soru 2. Yukarıdakiler doğruysa ve bunu yapmak istiyorsam R
ayar kadar basit olabilir mi
finalModel$df.residual <- fullModel$df.residual
model uydurma alıştırmasında bir noktada finalModel ve fullModel öğesinin lm () veya benzeri bir işlevle oluşturulduğu. Summary () ve confint () gibi fonksiyonlar, birisinin finalModel nesnesiyle açıkça çarpıştığı bir hata mesajı döndürmekle birlikte istenen df.residual ile çalışıyor gibi görünmektedir.
lmer
çıktıda p-değerleri içermemesi ile ilgilidir . Sebebini burada görün .