統計的に有意ではない場合、変量効果をモデルから除外する必要がありますか？

統計的に有意ではない場合でも、変量効果をモデルに含める必要がありますか？私は繰り返し測定実験計画を立てており、各個人はランダムな順序で3つの異なる治療を経験しています。個人と秩序の影響を制御したいのですが、どちらのモデルも統計的に有意ではないようです。それで除外しても大丈夫ですか、それとも含める必要がありますか？

私の推奨は、統計的分析が実際の研究デザインをより忠実に表すという理由で、統計的に有意ではない場合でも、変量効果をモデルに含めることです。

これにより、統計メソッドセクションで次のようなものを書くことができます。

ランダムな効果は、反復測定または順序効果による可能性のある依存を制御するために、個人および順序に含まれていました。

これはおそらく、依存関係の仮定または疑似複製に関するレビュアーコメントを未然に防ぐでしょう。これらの用語が本質的に役に立たないように見えても、それらの用語を削除してもよい理由を「説明」するよりも、これを行う方が簡単です。

また、モデルにこれらの用語が含まれていても、おそらくコストはかかりません。あなたがそれらを削除したときに結果が劇的に変化した場合、私は驚いて疑わしいでしょう。

考慮事項は次のとおりです。

実用的：

時々、データの分布はモデルをデータに適合させることを許可しません。これは、コスト、時間、または労力が原因で意図的に収集された試行が非常に少ない場合、データが何らかの方法でスパースが小さすぎる場合、またはデータの分布が縮退している、またはフラットすぎる場合に発生します。

この場合、モデルを大幅に簡略化する以外に方法がない可能性があります。通常、私は最初に、最も細かい粒度の効果を削除しようとします。これは、通常、推定される効果の数が多いためです。

最悪の場合、データが個別に収集されたかのように処理を進めることができます。これは何もないよりは良いかもしれませんが、有意性テストは大きな粒の塩で行われる必要があります。結果の解釈はかなりヘッジされるべきです。

実用的：

状況によっては、続行するためにいくつかの情報を取得するために用語をプールすることが妥当な場合があります。ここでは、公開というよりは、現在進行中の研究開発における実験計画について考えています。

Lorenzen and Anderson（1993）は、モデルの他の要素のより正確なテストを取得することが役立つ場合について、「時々プーリング」ルールを提供します。

• $\alpha=0.25$
• $0.25$

繰り返しになりますが、私の意見では、このタイプのルールは公開用ではなく、実際に使用するためのものです。

理論：

さて、実際には、これらのランダムな効果をドロップしたときに、本質的に「同一の」結果が得られる可能性があります。これはすばらしいことですが、2つの異なるモデルをフィッティングしていることに注意してください。これらの用語は「同じ」であっても、異なる解釈が必要になる場合があります。

それから私がとろうとすることは、結果がさまざまな仮定の下でロバストであるということです。それは常に良いことです。

$p$

また、モデルの結果をどのように解釈するかによっては、モデルを「単純化」したくない場合があります。Littell ら（2006）についてはほとんど議論た（p。211）は、狭い対広い推論と人口規模の対主題固有の簡単な設定で推論を。あなたのケースでは、あなたはおそらく広い推論に興味があり、あなたの研究の個人だけではなく、全体の集団に関係する結論を出します。

とにかく、あなたの場合、あなたの研究は秩序と個人に基づく依存の可能性を導入する方法で実行されました。研究の構造を正確にモデル化できる場合は、その必要があります。

参照：

Littell、Milliken、Stroup、Wolfinger、およびSchabenberger（2006）SAS for Mixed Models。SAS。

Lorenzen and Anderson（1993）Design of Experiments：A No-Name Approach。 マルセル・デッカー