去掉不显着因素后显着因素变得不显着嘿 Jmp 用户，
拟合模型时，去除不显着因素后，P值为0.048的显着因素变为不显着。
我想问一下这种情况怎么办？我们应该删除它吗？
谢谢！
我
数据探索和可视化回复：去掉不重要因素后，重要因素变得不重要加强@丹_奥伯米勒和@statman的建议...避免将统计显着性视为二元悬崖，，，，要么显着，要么不显着。 假设您的临界 p 值为 0.05，正如许多人采用的那样。 您是否愿意说效应的 p 值为 0.051 并不显着，而如果它是 0.048，则愿意采用显着性？ 响应中小数点后一位或两位很容易导致类似的情况发生。
您对数据的图形分析表明了什么？ 请告诉我，在进行任何建模之前，您从周日开始以六种方式绘制了数据。
回复：去掉不重要因素后，重要因素变得不重要完全同意@statman 。 不要仅仅依赖 p 值。 将其与其他信息结合起来。
回复：去掉不重要因素后，重要因素变得不重要你没有说明你的数据来源是什么？ 是来自实验还是来自观察数据？
在开发模型来解释响应变化时需要记住以下几点：
- 模型中每一项的每个系数都是有条件的。 我t 的大小（有时甚至是符号）可以改变。它们取决于模型中的其他变量（和噪音）。
- 当您从模型中删除项时，它们的累积均方将汇集在误差项中（与 DF 一起）。 这会改变均方误差的估计，而均方误差是 F 检验和后续 p 值的基础。
简化模型需要使用多个信息源：
1.实际意义。 绘制结果图并了解每个因素贡献多少实际意义始终比统计意义更重要（您可以控制设计的研究如何提供对随机变化的洞察）。 始终询问结果从科学或工程角度是否有意义。
2. R 方、调整后的 R 方最重要的是三角洲之间。
3. p 值
4. 其他统计数据取决于数据源（例如，对于观察数据，您可能需要寻找多重共线性）
