Reflexiono sobre la discusión en torno a esta pregunta y, en particular, sobre el comentario de Frank Harrell de que la estimación de la varianza en un modelo reducido (es decir, uno a partir del cual se probaron y rechazaron varias variables explicativas) debería usar los grados de libertad generalizados de Ye . El profesor Harrell señala que esto estará mucho más cerca de los grados residuales de libertad del modelo "completo" original (con todas las variables incluidas) que de un modelo final (del cual se han rechazado varias variables).
Pregunta 1. Si quiero usar un enfoque apropiado para todos los resúmenes y estadísticas estándar de un modelo reducido (pero con una implementación completa de Grados de libertad generalizados), un enfoque razonable sería usar solo los grados residuales de libertad de ¿El modelo completo en mis estimaciones de varianza residual, etc.?
Pregunta 2. Si lo anterior es cierto y quiero hacerlo R
, ¿podría ser tan simple como configurar
finalModel$df.residual <- fullModel$df.residual
en algún momento del ejercicio de ajuste del modelo, donde finalModel y fullModel se crearon con lm () o una función similar. Después de lo cual, funciones como summary () y confint () parecen funcionar con el df.residual deseado, aunque devuelve un mensaje de error que alguien claramente ha sacado a relucir con el objeto finalModel.
lmer
salida. Vea su razonamiento aquí .