Önemli bir etkileşim olmadan zaman * tedavi modellerinde ana etkileri rapor etmenin iyi bir yolu nedir?

Question

Bu web sitesinde yayınlanan pek çok benzer soru var ama aynı zamanda çok çeşitli çelişkili yanıtlar var, bu yüzden devam etmenin en iyi yolundan hala emin değilim.

Zaman içinde deneklerde birden fazla işlemi karşılaştıran birkaç bağımsız ama benzer veri kümesine ve tamamlanmış analizlere sahibim. Bu analizlerin çoğunda, bazı tedaviler önemliyken tedavi * süresi etkileşimleri önemli değildir. Etkileşimler anlamlıdır ve önemsiz değildir, bu nedenle bazı cevapların önerdiği gibi onları modellerimden çıkarmak konusunda endişeliyim.

Benim için tipik bir formül (R cinsinden) şudur: count ~ treatment * time + block burada bloklar randomize tam blok tasarımlarıdır ve neredeyse her zaman aşırı varyasyonu açıklamada başarılı olur (ve bu nedenle önemlidir).

Genel olarak tam modeller, küçültülmüş modeller ve boş bir model üreteceğim ve analiz için en cimri modeli seçmek için bunları AIC ile karşılaştıracağım. Tam modeller neredeyse her zaman en iyi puanı alır ve analizlerde kullanılır.

Anladığım kadarıyla, önemli olmayan ancak önemsiz olmayan bir tedavi süresi etkileşiminin dahil edilmesi * koşullu tedavi etkilerine neden olacaktır. Bazı cevapların bu etkileşimleri bir katkı modeliyle değiştirmeyi önerdiğini gördüm.

Yani ana sorularım:

1. Önemli etkileşim olmadan koşullu tedavi etkilerinin bildirilmesi uygun değil mi?
2. Etkileşim önemli olmadığında tamamen eklemeli bir modelle ilerlemek iyi bir seçenek midir?

Diğer bilgiler de takdir edilmektedir. Veri kümelerimin her zaman sıfır şişirilmiş ve aşırı dağılmış Poisson dağılımları olduğunu belirtmekte fayda var, bu nedenle analiz için genellikle negatif binom engel-GLM (pscl) ve parametrik olmayan boyuna analiz (nparLD) paketleri kullanıyorum.

Answer 1

Bunun sadece sizin verebileceğiniz bir karar olduğunu düşünüyorum. Diyorsun:

Genel olarak tam modeller, küçültülmüş modeller ve boş bir model üreteceğim ve analiz için en cimri modeli seçmek için bunları AIC ile karşılaştıracağım. Tam modeller neredeyse her zaman en iyi puanı alır ve analizlerde kullanılır.

Ancak bu, standart istatistiksel anlamlılığa dayalı olarak seçeceğinizden farklı bir model oluşturabilir. $\alpha < 0.05$. As Frank Harrell notları:

Kullanılıyorsa $\chi^2$ testler, AIC bir sınırlama kullanır $\chi^2 =2.0$ karşılık gelen $\alpha=0.157$.

Dolayısıyla, kendi analizinizde zaten potansiyel olarak rekabet eden kriterleriniz var.

Tahmin için, "önemsiz" etkileşim terimlerini tutmak, model fazla uygun değilse genellikle en iyisidir. Bu durumu kabul etmeyi ve her iki model için sonuçları sunmayı ve okuyucunun çıkarımları hakkında düşünmesine yardımcı olacak bazı tartışmalar yapmayı düşünebilirsiniz.