एक मॉडल से शर्तें छोड़ने के बाद स्वतंत्रता के उचित अवशिष्ट डिग्री

Question

मैं इस प्रश्न के आसपास की चर्चा और विशेष रूप से फ्रैंक हैरेल की टिप्पणी पर विचार कर रहा हूं कि एक कम मॉडल में विचरण का अनुमान (यानी जिसमें से कई व्याख्यात्मक चर का परीक्षण और अस्वीकार कर दिया गया है) को यू के सामान्यीकृत डिग्री का उपयोग करना चाहिए । प्रोफेसर हैरेल बताते हैं कि यह अंतिम मॉडल की तुलना में मूल "पूर्ण" मॉडल (सभी चर के साथ) की स्वतंत्रता के अवशिष्ट डिग्री के करीब होगा (जिसमें से कई चर अस्वीकार कर दिए गए हैं)।

प्रश्न 1. अगर मैं एक घटे हुए मॉडल से सभी मानक सारांश और आंकड़ों के लिए एक उपयुक्त दृष्टिकोण का उपयोग करना चाहता हूं (लेकिन स्वतंत्रता के सामान्यीकृत डिग्री के पूर्ण कार्यान्वयन के लिए कम), तो उचित दृष्टिकोण सिर्फ स्वतंत्रता के अवशिष्ट डिग्री का उपयोग करना होगा अवशिष्ट विचरण, आदि के मेरे अनुमानों में पूर्ण मॉडल?

प्रश्न 2. यदि उपरोक्त सत्य है और मैं इसे करना चाहता हूं R, तो यह सेटिंग के समान सरल हो सकता है

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

मॉडल फिटिंग अभ्यास में कुछ बिंदु पर, जहां फाइनलमॉडल और फुलमॉडल को एलएम () या इसी तरह के फ़ंक्शन के साथ बनाया गया था। जिसके बाद सारांश () और कंफर्ट () जैसे कार्य वांछित df.residual के साथ काम करने लगते हैं, यद्यपि कोई त्रुटि संदेश वापस कर रहा है कि किसी ने अंतिम रूप से ऑब्जेक्ट के साथ स्पष्ट रूप से छेड़छाड़ की है।

Comments

अच्छा प्रश्न। यह इस बात से संबंधित है कि डगलस बेट्स lmerआउटपुट में पी-वैल्यू को शामिल क्यों नहीं करते । अपने तर्क देखें यहाँ ।

मैंने ऐसी स्थिति में एक से अधिक बार पूर्ण मॉडल डीएफ का उपयोग किया है। (ये का दृष्टिकोण अलग-अलग स्थितियों में बहुत ऊपर आता है; यह एक ऐसा पेपर है जिसे मैं नियमित रूप से लोगों को

— सुझाता हूं

Answer 1

क्या आप @ FrankHarrel के इस उत्तर से असहमत हैं कि पार्सिमनी कुछ बदसूरत वैज्ञानिक व्यापार- बंदियों , किसी भी रास्ते से आती है?

मुझे डौग बेट्स के औचित्य के लिए @ माइकवेबिकी की टिप्पणी में प्रदान किया गया लिंक बहुत पसंद है । यदि कोई आपके विश्लेषण से असहमत है, तो वे इसे अपने तरीके से कर सकते हैं, और यह आपके आधार धारणाओं के बारे में वैज्ञानिक चर्चा शुरू करने का एक मजेदार तरीका है। एक पी-मूल्य आपके निष्कर्ष को "पूर्ण सत्य" नहीं बनाता है।

यदि आपके मॉडल में एक पैरामीटर को शामिल करने या न करने का निर्णय वैज्ञानिक रूप से सार्थक नमूनों के लिए df में "बाल उठाने" के लिए नीचे आता है, तो df में अपेक्षाकृत छोटी विसंगतियां - और आप समस्याओं से निपट नहीं रहे हैं: और अधिक बारीक निष्कर्ष, वैसे भी - फिर आपके पास अपनी कटऑफ को पूरा करने के लिए इतना करीब है कि आपको पारदर्शी होना चाहिए और इसके बारे में किसी भी तरह से बात करनी चाहिए: बस इसे शामिल करें, या इसके साथ और इसके बिना मॉडल का विश्लेषण करें, लेकिन निश्चित रूप से पारदर्शी रूप से अपने निर्णय पर चर्चा करें अंतिम विश्लेषण। $n<p$

Comments

+1 और मैं अब इस बात पर सहमत होना चाह रहा हूं कि वास्तव में मेरा मूल प्रश्न यह महत्वपूर्ण नहीं है कि ये अन्य मुद्दे क्या हैं

— पीटर एलिस