ブロックを使用した計画実験のモデル選択ブロックを使った実験から「最適な」モデルを選択する方法についての質問を受けることがあります。 ブロックをランダム効果としてモデル化することをお勧めします。つまり、ステップワイズまたは一般化回帰パーソナリティは固定効果のみをサポートするため、モデルの選択に使用できません。
このビデオでは次のことについて話します。
- 実験をブロックする理由
- 固定効果とランダム効果
- REMLモデリング
- ランダム効果を伴うモデル選択戦略
ブロックを用いた実験計画におけるモデル選択についてこんにちは@mjz5448 、
ブロック効果は残しておくことをお勧めします。これは、因子効果の統計的有意性検定に影響を与えるためです。ブロック効果に起因する誤差は適切に認識されており、因子効果の推定誤差を「汚染」することは望ましくありません。ご理解いただけたでしょうか。ほとんどの場合、結論に大きな違いは生じません。
フィル
ブロックを用いた実験計画におけるモデル選択についてありがとうフィル・ケイ 、
ということは、有意でない因子効果ではなく、有意でないブロック効果をモデルに残す理由は、一定量のエラーをブロックに帰することができるという確信度が高い（または 100% 確信度が高い？）からであり、一方、主効果や高次の項の場合は交絡効果などにより、より曖昧になる、ということでしょうか。
ブロックを用いた実験計画におけるモデル選択について@mjz5448 - まあ、そうですね。ブロック間の変化による誤差要因があることは分かっています。ですから、たとえ統計的に有意ではないと判断されたとしても、この誤差要因を捉えるためにブロック効果を含めるべきです。そうすることで、因子効果の有意性検定における誤差の推定値を最適化することができます。ブロック効果を含めるもう一つの非常に良い理由は、 @Mark_Baileyがそうすべきだと言っているからです。私にとっては、それは常に十分な理由です！:)
