3 원 분산 분석표에서 요인 제거

최근 논문에서 저는 3 방향 고정 효과 모델을 장착했습니다. 요인 중 하나가 중요하지 않았기 때문에 (p> 0.1),이를 제거하고 두 가지 고정 효과와 상호 작용으로 모델을 다시 맞췄습니다.

방금 심판의 의견을 인용했습니다.

그 시점이 3 원 분산 분석에서 중요한 요소가 아니었던 것은 시간 요소를 풀링하기에 충분한 기준이 아닙니다.이 문제에 대한 표준 텍스트 인 Underwood 1997은 중요하지 않은 효과에 대한 p- 값은 다음과 같아야한다고 주장합니다. 요인의 치료 수준을 풀링하기 전에 0.25보다 큰 값. 저자는 여기에 관련 p- 값을 제공하고 Underwood 1997을 참조하여 풀링을 정당화해야합니다.

내 질문은 :

1. 나는 0.25 규칙에 대해 들어 본 적이 없다. 다른 사람 있어요? p- 값이 컷오프에 가까워지면 요인을 제거하지는 않지만 "규칙"을 갖는 것은 약간 극단적 인 것으로 이해할 수 있습니다.
2. 이 심판은 Underwood 1997 이 표준 텍스트 라고 명시 합니다. 진짜야? 나는 그것을 들어 본 적이 없다. 표준 텍스트는 무엇입니까 (이러한 것이 있습니까)? 불행히도 1997 년이 Underwood에 액세스 할 수 없습니다.
3. 심판에게 응답 할 때의 조언.

배경 :이 논문은 비 통계 저널에 제출되었습니다. 3 방향 모델을 피팅 할 때 상호 작용 효과를 확인했습니다.

언더우드 가 생태 실험 (Cambridge Press 1991)이라고 생각합니다. 생태 과학에 대한 표준 참조, 아마도 Zar와 Sohkol 및 Rohlf의 세 번째 (그리고 내 의견으로는 세 가지 중 가장 '읽기 쉬운')

사본을 찾을 수있는 경우 심판이 인용하는 관련 섹션은 9.7 페이지의 9.7에 있습니다. Underwood는 중요하지 않은 요인에 대해 권장 풀링 절차 ( '규칙' 자체는 아님)를 제안합니다 . 솔직히 이해하지 못하는 2 단계 절차이지만 중요하지 않은 요소를 풀링 할 때 유형 I 오류 확률을 줄이기 위해 p = 0.25가 제안됩니다. 예를 들어, 서명이 아닌 요소가 될 수 있습니다).

이 절차는 실제로 Underwood의 것으로 보이지 않으며, Winer et al (1991) ( 실험적 설계의 통계 절차 McGraw-Hill) 도 인용했다 . 언더우드 사본을 찾을 수 없으면 시도해 볼 수 있습니다.

나는 이런 종류의 컷오프 기반 규칙을 좋아합니다. 나는 그것이 디자인과 당신 의 선험적 가설과 기대치 에 달려 있다고 생각합니다 . 결과가 시간에 따라 변할 것으로 예상한다면 다른 '차단'요소와 마찬가지로 시간을 유지해야한다고 말하고 싶습니다. 반면에 동일한 실험을 다른 시간에 복제하고 결과가 시간에 따라 달라질 것이라고 생각할 이유가 없었지만 이것이 사실인지 확인하고 싶었다면, 그 결과는 다음과 같이 변했다는 증거를 거의 또는 전혀 찾지 못했습니다. 시간, 나는 시간을 버리는 것이 전적으로 합리적이라고 말하고 싶습니다.

언더우드에 대해 들어 본 적이 없습니다. 그것은 (책 제목) '생태학의 실험'에 대한 표준 텍스트가 될 수 있지만, 생태의 실험이 점에서 다른 실험에서 어떤 다르게 취급되어야한다는 명백한 이유 때문에 "로 보려면 없다 표준 텍스트에 이 문제는 정당화되지 않은 것 같습니다.

언더우드의 본문과 그 안의 참고 문헌을 읽으십시오. 규칙이 아니므로 읽으십시오. 실제로이 방법은 모형에서 "유의하지 않은"항을 제거 (또는 풀링) 할 때 유형 II 오류를 제어하는 ​​것입니다. 제거하는 용어의 유의 수준이 0.06이면 어떻게됩니까? 예상 MS가 요인으로 인해 추가 효과를 포함하지 않습니까? 해당 용어를 제거하면 예상 MS가 해당 처리로 인해 추가 된 효과를 포함하지 않는다고 가정하지만 유형 II 오류로부터 다소 보호되어야합니다!. 내 불쌍한 실례하고 영어를 서두르십시오!.