尽管 Tukey 多重比较中各因子水平之间存在统计学显著差异，但各因子在效应检验中不具有统计学显著性你好，
我使用广义回归模型对数据进行分析，并使用二项式作为响应分布（因为我的响应值 - ErrorAT - 要么为 0，要么为 1）。我使用套索作为估计方法。
由于某些因素之间存在很大的相关性，我选择使用广义回归。
我有一个关于这个模型的简单问题：一个主要因子（seedAT）被从模型中移除了。但是，当我对该因子进行 Tukey 多重比较检验时，该因子（seedAT）的三个水平之间在统计上都存在显著差异。如果它们之间在统计上存在显著差异，那么该因子是否也应该具有显著性？
有人可以解释一下为什么该因素的水平在统计上存在显著差异，但该因素对模型来说仍然不重要吗？
谢谢你！
预测模型和机器学习回复：尽管来自 Tukey 多重比较的因子水平之间存在统计显着性差异，但效应检验中的因子无统计学意义对于强制包含一阶效应的问题，我只是意识到该选项在广义回归的“高级控制”中很快可用。回复：尽管来自 Tukey 多重比较的因子水平之间存在统计显着性差异，但效应检验中的因子无统计学意义@dale_lehman和@statman谢谢你的回答
关于数据集，我在运行多个模拟实验（1620）时获得了这些数据。
在每个实验中，我考虑了以下因素：到达时间（IA_scenario）、种子到达时间（seedAT）、服务时间（ST_scenario）、服务种子时间（ST）、复制次数（NRepsNom）和队列模型（M /M/1 或 M/M/inf 基于来自队列理论的 Kendall 符号）。 因子根据全因子而变化。因为我改变了到达时间和服务时间，这是一个排队模型，因此，模型的交通强度也不同（TINom）。
在这个仿真模型中，我收集了以下 4 个响应：平均到达时间 (AT)、平均服务时间 (ST)、平均系统中单元数 (NIS) 和平均系统中时间 (TIS)。 基于这个模拟结果和队列理论的理论结果，我计算了例如AT的误差。
AT 是最简单的情况（它是到达指示队列系统并且不依赖于 ST）。 因此，我在建立回归模型时，并没有在回归模型中包含与服务时间相关的因素。 我包括了所有其他因素。
我认为这是我描述数据集的最简单方法。
现在回到讨论。
- 关于比较。 在效果测试中，没有将因子 (SeedAT) 与其他因子进行比较，对吧？ 据我所知，我们正在测试该因素对模型的重要性，仅此而已。 因此，在效果检验中，SeedAT 对模型是否具有统计显着性是一个问题。在多重比较测试中进行因素与其他因素和交互作用的比较。
如果这是正确的，我的理解是，如果因子的所有三个水平在统计上显着不同，那么毫无疑问该因子在统计上是显着的。 但我认为我的理解完全错误。 如果有人可以向我指出任何链接或材料来阅读它，我将不胜感激。 正如我所发现的那样，到目前为止并没有澄清我的问题和理解。
- 关于一阶效应与二阶效应。 我没有消除一阶效应，但广义模型告诉我“它不重要”，而二阶效应是。 这与我的问题有关。 因为正如你们都指出的那样，这不符合等级原则。
但是，我怎样才能告诉 JMP 将一阶效应 SeedAT 强制包含在模型中呢？ 因为当我生成回归方程时，效果不会包含在方程中。
现实意义是一个很好的提醒。 谢谢你！
再次感谢您的讨论和见解。
回复：尽管来自 Tukey 多重比较的因子水平之间存在统计显着性差异，但效应检验中的因子无统计学意义了解数据集以及您如何获取数据将非常有帮助，但我知道您可能不希望将其发布在公共论坛上。 这确实使您很难知道您到底做了什么或正在尝试做什么。 我不一定同意你的比较是相同的。 一个比较是因子 (seedAT) 与模型中的其他因子、交互作用和误差。 在查看seedAT 级别的级别差异时，您是在级别内与级别间进行比较。 此比较中没有任何因素，比较的基础是水平内变化（不是模型的未分配 DF，误差）。
我不确定您的模型，但您似乎删除了一阶效应并保留了二阶效应。 这在建模时不遵循层次原则吗？ 有点符合戴尔的观点。
另一条评论：我不知道实际的差异是什么。 不要忘记，实际意义永远比统计意义更重要。
回复：尽管来自 Tukey 多重比较的因子水平之间存在统计显着性差异，但效应检验中的因子无统计学意义我不理解你的模型。由于seedAT 存在一些显着的交叉效应，因此只有直接效应不显着。虽然这似乎不寻常，但它向我表明该变量的重要性在于它与其他变量的相互作用——一旦考虑到这些，seedAT 的影响就被纳入了。 似乎从模型中删除了seedAT - 这不是微不足道的，而是表明模型是多余的（我相信 - 我对广义回归几乎没有经验，所以我可能错了）。
回复：尽管来自 Tukey 多重比较的因子水平之间存在统计显着性差异，但效应检验中的因子无统计学意义是的，但是这里的比较是一样的。 那么，如果模型中因子的水平存在显着差异，那么因子本身对模型不应该是显着的吗？回复：尽管来自 Tukey 多重比较的因子水平之间存在统计显着性差异，但效应检验中的因子无统计学意义统计显着性是一个条件陈述。 这取决于正在比较的内容、模型中的内容和不存在的内容、错误项的构成以及推理空间中的内容。
