去除不顯著因素後，顯著因素變得不顯著嘿 Jmp 用戶，
在擬合模型時，去除不顯著因素後，一個 P 值為 0.048 的顯著因素變得不顯著。
我想問這種情況怎麼辦？我們應該刪除它嗎？
謝謝！
我
美國能源部Re: 去掉不重要的因素後，重要的因素變得不重要了加強@Dan_Obermiller和@statman的建議...避免將統計顯著性視為二元懸崖，要么顯著要么不顯著。 假設您的臨界 p 值為 0.05，正如許多人所採用的那樣。 您是否願意說一個效應的 p 值為 0.051 不顯著，並且如果它是 0.048 是否願意採用顯著性？ 響應中的小數點後一位或兩位很容易導致類似的事情發生。
您對數據的圖形分析表明了什麼？ 請告訴我，在您進行任何建模之前，您從周日開始以六種方式繪製數據。
Re: 去掉不重要的因素後，重要的因素變得不重要了完全同意@statman . 不要只依賴 p 值。 將其與其他信息結合起來。
Re: 去掉不重要的因素後，重要的因素變得不重要了你沒有說明你的數據來源是什麼？ 是來自實驗還是來自觀察數據？
在開發模型以解釋響應的變化時，需要牢記以下幾點：
- 模型中每個項的每個係數都是有條件的。 我ts 大小，有時是符號，可以改變。它們取決於模型中的其他變量（和噪音）。
- 當您從模型中刪除項時，它們的累積均方會匯集在誤差項中（與 DF 一起）。 這會改變均方誤差的估計值，這是 F 檢驗和後續 p 值的基礎。
簡化模型需要使用多種信息源：
1.實際意義. 將結果繪製成圖表並了解每個因素貢獻的實際意義總是比統計顯著性更重要（您可以控制您設計的研究如何提供對隨機變化的洞察力）。 從科學或工程的角度來看，始終詢問結果是否有意義。
2. R-square, R-square 調整最重要的是三角洲之間。
3. p 值
4. 取決於數據來源的其他統計數據（例如，對於觀測數據，您可能需要尋找多重共線性）
