중요한 상호 작용없이 시간 * 치료 모델에서 주 효과를보고하는 좋은 방법은 무엇입니까?
이 웹 사이트에는 유사한 질문이 많이 게시되어 있지만 다양한 상충되는 답변이 있으므로 계속 진행하는 가장 좋은 방법이 확실하지 않습니다.
나는 시간이 지남에 따라 피험자에 대한 여러 치료법을 비교하는 독립적이지만 유사한 데이터 세트와 완료된 분석을 여러 개 가지고 있습니다. 이러한 많은 분석에서 일부 치료는 중요하지만 치료 * 시간의 상호 작용은 그렇지 않습니다. 상호 작용은 의미 있고 사소한 것이 아니므로 일부 답변에서 알 수 있듯이 모델에서 단순히 제거하는 것이 걱정됩니다.
저에게 일반적인 공식 (R에서)은 다음과 같습니다 count ~ treatment * time + block . 여기서 블록은 완전한 블록 설계를 무작위로 추출하고 거의 항상 과도한 변동을 설명하는 데 성공하므로 중요합니다.
일반적으로 전체 모델, 축소 모델 및 null 모델을 생성하고 AIC에서 비교하여 가장 간결한 모델을 선택하여 분석합니다. 전체 모델은 거의 항상 최고 점수를 기록하며 분석에 사용됩니다.
내 이해는 치료 * 시간의 중요하지 않지만 사소하지 않은 상호 작용을 포함하면 조건부 치료 효과가 나타날 것입니다. 대신 이러한 상호 작용을 추가 모델로 대체하도록 권장하는 몇 가지 답변을 보았습니다.
그래서 내 주요 질문은 다음과 같습니다.
- 유의 한 상호 작용이없는 조건부 치료 효과를보고하는 것은 부적절합니까?
- 상호 작용이 중요하지 않은 경우 완전 가산 모델을 진행하는 것이 좋은 옵션입니까?
다른 통찰력도 높이 평가됩니다. 내 데이터 세트가 항상 제로 팽창되고과 분산 된 푸 아송 분포라는 점에 주목할 가치가있을 수 있으므로 일반적으로 분석을 위해 음 이항 장애물 -GLM (pscl) 및 비모수 종단 분석 (nparLD) 패키지를 사용합니다.
답변
이것은 당신 만이 내릴 수있는 결정이라고 생각합니다. 당신은 말한다 :
일반적으로 전체 모델, 축소 모델 및 null 모델을 생성하고 AIC에서 비교하여 가장 간결한 모델을 선택하여 분석합니다. 전체 모델은 거의 항상 최고 점수를 기록하며 분석에 사용됩니다.
그러나 이는 다음을 기반으로하는 표준 통계적 유의성을 기반으로 선택한 것과 다른 모델을 생성 할 수 있습니다. $\alpha < 0.05$. Frank Harrell 은 다음과 같이 말합니다.
사용하는 경우 $\chi^2$ 테스트, AIC는 컷오프를 사용합니다. $\chi^2 =2.0$ 에 해당하는 $\alpha=0.157$.
따라서 이미 자신의 분석 내에서 잠재적으로 경쟁하는 기준이 있습니다.
예측의 경우 모델이 과적 합되지 않는 한 일반적으로 "중요하지 않은"상호 작용 항을 유지하는 것이 가장 좋습니다. 이 상황을 인정하고 두 모델에 대한 결과를 제시하고 독자가 의미에 대해 생각하는 데 도움이되는 토론을 고려할 수 있습니다.