319171_it-IT

liliconcom

I fattori significativi diventano non significativi dopo aver rimosso quelli non significativi

Ciao utenti Jmp,

 

Quando si adatta il modello, dopo aver rimosso i fattori non significativi, un fattore che era significativo con un valore P 0,048 diventa non significativo.

Volevo chiedere cosa fare in quel caso? dobbiamo rimuoverlo?

 

Grazie!

IO

Esplorazione e visualizzazione dei datiRi: Fattori significativi diventano non significativi dopo aver rimosso quelli non significativi

Rinforzare @Dan_Obermiller E @statman Il consiglio di ... evita di vedere la significatività statistica come un precipizio binario,,,, o è o non è significativo. Supponiamo di avere un valore p critico di 0,05 come tanti adottano. Sei disposto a dire che il valore p di un effetto di 0,051 NON è significativo e ad adottare un significato se è 0,048? Una o due cifre decimali in una risposta potrebbero facilmente far accadere qualcosa del genere.

 

E cosa suggerisce la tua analisi grafica dei dati? Per favore dimmi che hai tracciato i dati in sei modi da domenica PRIMA di fare qualsiasi modellazione.

Ri: Fattori significativi diventano non significativi dopo aver rimosso quelli non significativi

Completamente d'accordo con @statman . Non fare affidamento solo sui valori p. Combinalo con le altre informazioni.

Ri: Fattori significativi diventano non significativi dopo aver rimosso quelli non significativi

Non hai specificato quale sia la fonte dei tuoi dati? Proviene da un esperimento o da dati osservativi?

Un paio di punti da tenere a mente quando si sviluppano modelli per spiegare la variazione delle risposte:

1. Ogni coefficiente per ogni termine nel modello è condizionale. IO la sua grandezza, e talvolta il segno, possono cambiare.Dipendono dalle altre variabili nel modello (e rumore).
2. Quando rimuovi termini da un modello, i loro quadrati medi cumulativi vengono raggruppati nel termine di errore (insieme a DF). Ciò modifica la stima dell'errore quadratico medio che è la base per il test F e i successivi valori p.

La semplificazione dei modelli richiede l'uso di più fonti di informazioni:

1. Significato pratico . Rappresentare graficamente i risultati e comprendere quanto significato pratico contribuisce a ciascun fattore è SEMPRE più importante della significatività statistica (che TU controlli nel modo in cui il tuo studio progettato fornisce informazioni sulla variazione casuale). Chiedi sempre se i risultati hanno senso dal punto di vista scientifico o ingegneristico.

2. R-quadrato, R-quadrato regolato e soprattutto il delta tra quelli.

3. valori p

4. altre statistiche a seconda della fonte dei dati (ad esempio, per i dati osservativi potresti voler cercare la multicollinearità)