3-तरफ़ा एनोवा तालिका से कारकों को हटाना

Question

हाल के एक पेपर में, मैंने तीन तरह से तय किए गए प्रभाव मॉडल फिट किए। चूंकि कारकों में से एक महत्वपूर्ण नहीं था (पी> 0.1), मैंने इसे हटा दिया और दो निश्चित प्रभावों और एक इंटरैक्शन के साथ मॉडल को परिष्कृत किया।

मैंने केवल उद्धरणों के लिए टिप्पणियां वापस की हैं:

उस समय 3-तरफ़ा में एक महत्वपूर्ण कारक नहीं था एनोवा अपने आप में समय कारक को पूल करने के लिए एक पर्याप्त मानदंड नहीं है: इस मुद्दे पर मानक पाठ, अंडरवुड 1997, का तर्क है कि गैर-महत्वपूर्ण प्रभाव के लिए पी-मान होना चाहिए एक कारक के उपचार के स्तर से पहले 0.25 से अधिक जमा किया जा सकता है। लेखकों को यहां प्रासंगिक पी-मूल्य देना चाहिए, और अंडरवुड 1997 के संदर्भ में अपने पूलिंग को सही ठहराना चाहिए।

मेरे प्रश्न हैं:

1. मैंने कभी भी 0.25 नियम के बारे में नहीं सुना है। कोई और है? मैं समझ सकता हूं कि यदि पी-मूल्य कट-ऑफ के करीब था, लेकिन कारक को हटा नहीं सकता है, लेकिन "नियम" के लिए थोड़ा चरम लगता है।
2. यह रेफरी बताता है कि अंडरवुड 1997 मानक पाठ है। सच्ची में? मैंने इसके हारे में नहीं सुना है। मानक पाठ क्या होगा (ऐसी बात मौजूद है)? दुर्भाग्य से, मेरे पास इस अंडरवुड, 1997 तक पहुंच नहीं है।
3. रेफरी को जवाब देते समय कोई सलाह।

---

पृष्ठभूमि: यह पत्र एक गैर-सांख्यिकीय पत्रिका को प्रस्तुत किया गया था। जब तीन-तरफ़ा मॉडल फिट करना मैंने बातचीत के प्रभावों के लिए जाँच की।

Comments

$p\geq .25$

$p \geq something$$p$$p$$p$

एक रेफरी के लिए यह एक दिलचस्प प्रतिक्रिया होगी: "हम उनकी टिप्पणियों के लिए रेफरी को धन्यवाद देते हैं, लेकिन सोचते हैं कि वे थोड़े ऊँचे हैं";) हालांकि अच्छी टिप्पणी।

— csgillespie

Answer 1

मैं अनुमान लगा रहा हूँ कि प्रश्न में अंडरवुड इकोलॉजी में प्रयोग है (कैम्ब्रिज प्रेस 1991) । पारिस्थितिक विज्ञान में इसका अधिक या कम मानक संदर्भ है, शायद ज़ार और सोहकोल और रोह्लफ़ के पीछे तीसरा (और मेरी राय में तीनों में से सबसे 'पठनीय')

यदि आप एक प्रति प्राप्त कर सकते हैं, तो आपके रेफरी द्वारा संबंधित प्रासंगिक खंड p.273 पर 9.7 में है। अंडरवुड एक अनुशंसित पूलिंग प्रक्रिया का सुझाव देता है (इसलिए प्रति se 'नियम' नहीं गैर-महत्वपूर्ण कारकों के लिए ) का सुझाव देता है। इसकी 2-चरणीय प्रक्रिया जो स्पष्ट रूप से मुझे बिल्कुल समझ में नहीं आती है, लेकिन अपशॉट्स p = 0.25 है जिसका सुझाव गैर-महत्वपूर्ण कारक को पूल करते समय टाइप I त्रुटि की संभावना को कम करने के लिए दिया गया है (इसलिए 'समय' में कुछ नहीं करना है) आपका उदाहरण, यह कोई भी गैर-कारक हो सकता है)।

प्रक्रिया वास्तव में अंडरवुड की प्रतीत नहीं होती है, वह खुद विनर एट अल 1991 ( सांख्यिकीय डिजाइन मैकग्रा-हिल में सांख्यिकीय प्रक्रियाएं ) का हवाला देते हैं । अगर आप अंडरवुड की एक प्रति नहीं ढूंढ सकते हैं तो आप वहां कोशिश कर सकते हैं।

Comments

+1 अच्छा जवाब: स्पष्ट, इस बिंदु पर, व्यावहारिक और आधिकारिक।

— whuber

@ क्रिस, क्या आप "टाइप II त्रुटि की संभावना को कम करते हैं" (ऊपर टाइप करें I नहीं)? मॉडल से कारकों को न हटाने की प्रेरणा निम्न-संचालित अध्ययनों को रोकने के लिए है ताकि वास्तविक कारणों को हटाने की अनुमति हो (अर्थात, चर के समापन के प्रकार II का कोई प्रभाव नहीं है), जबकि मॉडल में छोड़े गए मापदंडों के स्पष्ट प्रभाव को भड़काते हैं यदि वे अब हटाए गए चर के साथ सहसंबद्ध हैं। जैसा कि साइड-इफ़ेक्ट टाइप -1 त्रुटियों को उत्पन्न करेगा, शायद अंडरवुड टाइप 1 और टाइप II दोनों त्रुटियों को नियंत्रित करने के लिए प्रभाव छोड़ने का सुझाव दे रहा है, अर्थात, मॉडल की वैधता को अधिकतम करें?

— टिम

Answer 2

मैं कट-ऑफ-आधारित नियमों के इन प्रकारों को कम करता हूं। मुझे लगता है कि यह डिजाइन पर निर्भर करता है और आपकी प्राथमिकताएं और परिकल्पनाएं क्या थीं। यदि आप समय के साथ परिणाम भिन्न होने की उम्मीद कर रहे हैं तो मैं कहूंगा कि आपको किसी अन्य 'अवरोधक' कारक के रूप में समय देना चाहिए। दूसरी ओर, यदि आप अलग-अलग समय में समान प्रयोगों की नकल कर रहे थे और यह सोचने का कोई कारण नहीं था कि परिणाम समय के साथ अलग-अलग होंगे, लेकिन इस मामले की जांच करना चाहते हैं, तो ऐसा किया गया और इसके लिए बहुत कम या कोई सबूत नहीं मिला। समय, मैं कहूंगा कि यह समय को छोड़ने के लिए पूरी तरह से उचित है।

मैंने पहले कभी अंडरवुड के बारे में नहीं सुना है। यह 'इकोलॉजी में प्रयोग' (पुस्तक का शीर्षक) के लिए एक मानक पाठ हो सकता है, लेकिन कोई स्पष्ट कारण नहीं है कि पारिस्थितिकी में प्रयोगों को इस संबंध में किसी भी अन्य प्रयोगों से अलग तरीके से व्यवहार किया जाना चाहिए, इसलिए इसे " मानक पाठ " के रूप में देखने के लिए यह मुद्दा "अनुचित है।

Comments

प्रयोग से पहले, यह माना जाता था कि कारक महत्वपूर्ण होगा। हालाँकि, यह अन्य दो प्रभावों से प्रभावित था। मैंने कारक को हटा दिया क्योंकि इसे रखने से निष्कर्ष नहीं बदले और केवल स्पष्टीकरण को कठिन बना दिया।

— csgillespie 15

हम्म, उस मामले में मुझे लगता है कि मैं इसे अंदर रखूँगा। मैं यह नहीं देख सकता कि यह स्पष्टीकरण को कठिन क्यों बनाता है, और जैसा कि आपने पाया है कि आपको यह समझाने में मुश्किल हो सकती है कि आपने इसे क्यों रखा है क्योंकि आपने इसे क्यों रखा है!

— onestop

मैं आपकी बात लेता हूं, हालांकि मैं इससे सहमत नहीं हूं। मैं आसानी से एक और रेफरी को सुझाव दे सकता था कि आपको कारक को हटा देना चाहिए (यही जैव-सांख्यिकीविदों की सलाह है कि मैंने भी बात की है)। जैसा कि आपने उल्लेख किया है, जब यह एक ग्रे क्षेत्र है एक मनमाना नियम जाने का रास्ता नहीं है। अगर हम गुमराह करना चाहते थे तो हम कभी भी इस बात का उल्लेख नहीं करेंगे कि दूसरा कारक कभी इसमें शामिल था! पूरी तरह से अनैतिक, लेकिन मुझे संदेह है कि ऐसा होता है।

— csgillespie

Answer 3

कृपया अंडरवुड का पाठ पढ़ें और उसमें संदर्भ दें, यह कोई नियम नहीं है, कृपया पढ़ें। वास्तव में यह दृष्टिकोण मॉडल में "गैर-महत्वपूर्ण" शब्द को हटाते समय (या पूलिंग) प्रकार द्वितीय त्रुटि को नियंत्रित करने के लिए है। क्या होगा यदि आपके द्वारा हटाए गए शब्द का 0.06 का सांकेतिक स्तर है? क्या आप वास्तव में सुनिश्चित हैं कि अपेक्षित एमएस में कारक के कारण अतिरिक्त प्रभाव शामिल नहीं है? यदि आप उस शब्द को हटा देते हैं, तो आप यह मान रहे हैं कि अपेक्षित MS में उस उपचार के कारण अतिरिक्त प्रभाव शामिल नहीं है, लेकिन आप II प्रकार की त्रुटि के विरुद्ध कुछ हद तक सुरक्षित रहेंगे! कृपया मेरे गरीब और भीड़ अंग्रेजी बहाना!