319171_de-DE

liliconcom

Signifikante Faktoren werden nicht signifikant, nachdem nicht signifikante Faktoren entfernt wurden

Hallo Jmp-Benutzer,

 

Bei der Modellanpassung wird nach dem Entfernen nicht signifikanter Faktoren ein Faktor, der mit einem P-Wert von 0,048 signifikant war, nicht signifikant.

Ich wollte fragen, was in diesem Fall zu tun ist? Sollen wir es entfernen?

 

Danke!

ICH

Datenexploration und -visualisierungBetreff: Signifikante Faktoren werden nicht signifikant, nachdem nicht signifikante Faktoren entfernt wurden

Verstärken @Dan_Obermiller Und @statman Rat von ... vermeiden Sie es, die statistische Signifikanz als eine binäre Klippe zu betrachten, entweder sie ist signifikant oder nicht. Angenommen, Sie hätten einen kritischen p-Wert von 0,05, wie ihn so viele annehmen. Sind Sie bereit zu sagen, dass der p-Wert eines Effekts von 0,051 NICHT signifikant ist, und sind Sie bereit, die Signifikanz anzunehmen, wenn er 0,048 beträgt? Ein oder zwei Nachkommastellen in einer Antwort könnten leicht dazu führen, dass so etwas passiert.

 

Und was lässt Ihre grafische Analyse der Daten vermuten? Bitte sagen Sie mir, dass Sie die Daten vom Sonntag auf sechs verschiedene Arten aufgezeichnet haben, BEVOR Sie mit der Modellierung begonnen haben.

Betreff: Signifikante Faktoren werden nicht signifikant, nachdem nicht signifikante Faktoren entfernt wurden

Stimme voll und ganz zu @statman . Verlassen Sie sich nicht nur auf p-Werte. Kombinieren Sie es mit den anderen Informationen.

Betreff: Signifikante Faktoren werden nicht signifikant, nachdem nicht signifikante Faktoren entfernt wurden

Sie haben nicht angegeben, aus welcher Quelle Ihre Daten stammen? Stammt es aus einem Experiment oder aus Beobachtungsdaten?

Bei der Entwicklung von Modellen zur Erklärung der unterschiedlichen Antworten sind einige Punkte zu beachten:

1. Jeder Koeffizient für jeden Term im Modell ist bedingt. ICH Die Größe und manchmal auch das Vorzeichen können sich ändern.Sie hängen von den anderen Variablen im Modell ab (und Lärm).
2. Wenn Sie Terme aus einem Modell entfernen, werden ihre kumulativen Mittelquadrate (zusammen mit den DFs) im Fehlerterm zusammengefasst. Dadurch ändert sich die Schätzung des mittleren quadratischen Fehlers, der die Grundlage für den F-Test und die nachfolgenden p-Werte bildet.

Die Vereinfachung von Modellen erfordert die Nutzung mehrerer Informationsquellen:

1. Praktische Bedeutung . Es ist IMMER wichtiger, die Ergebnisse grafisch darzustellen und zu verstehen, wie viel praktische Bedeutung jeder Faktor beiträgt, als die statistische Signifikanz (die SIE dadurch steuern, wie Ihre entworfene Studie Einblicke in die Zufallsvariation liefert). Fragen Sie immer, ob die Ergebnisse aus wissenschaftlicher oder technischer Sicht sinnvoll sind.

2. R-Quadrat, R-Quadrat angepasst und vor allem die Delta zwischen denen.

3. p-Werte

4. Andere Statistiken abhängig von der Datenquelle (z. B. möchten Sie bei Beobachtungsdaten möglicherweise nach Multikollinearität suchen)