Angemessene Restfreiheitsgrade nach dem Löschen von Begriffen aus einem Modell

Ich denke über die Diskussion um diese Frage und insbesondere über Frank Harrells Kommentar nach, dass die Varianzschätzung in einem reduzierten Modell (dh einer, aus der eine Reihe von erklärenden Variablen getestet und verworfen wurden) Yes allgemeine Freiheitsgrade verwenden sollte . Professor Harrell weist darauf hin, dass dies den verbleibenden Freiheitsgraden des ursprünglichen "vollständigen" Modells (mit allen Variablen darin) viel näher sein wird als dem eines endgültigen Modells (von dem eine Reihe von Variablen abgelehnt wurden).

Frage 1. Wenn ich einen angemessenen Ansatz für alle Standardzusammenfassungen und -statistiken eines reduzierten Modells verwenden möchte (jedoch keine vollständige Implementierung der allgemeinen Freiheitsgrade), wäre es ein vernünftiger Ansatz, nur die verbleibenden Freiheitsgrade von zu verwenden das vollständige modell in meinen schätzungen der restvarianz usw?

Frage 2. Wenn das oben Gesagte zutrifft und ich es tun möchte, ist es Rmöglicherweise so einfach wie das Einstellen

finalModel$df.residual <- fullModel$df.residual

Irgendwann in der Übung zur Modellanpassung, in der finalModel und fullModel mit lm () oder einer ähnlichen Funktion erstellt wurden. Danach scheinen Funktionen wie summary () und confint () mit dem gewünschten df.residual zusammenzuarbeiten, obwohl sie eine Fehlermeldung zurückgeben, die jemand eindeutig mit dem finalModel-Objekt durcheinandergebracht hat.

Sind Sie mit @ FrankHarrels Antwort nicht einverstanden, dass Sparsamkeit sowieso mit einigen hässlichen wissenschaftlichen Kompromissen einhergeht?

Ich liebe den Link in @ MikeWiezbickis Kommentar zu Doug Bates 'Begründung. Wenn jemand mit Ihrer Analyse nicht einverstanden ist, kann er es auf seine Weise tun. Dies ist eine unterhaltsame Möglichkeit, eine wissenschaftliche Diskussion über Ihre Grundannahmen zu beginnen. Ein p-Wert macht Ihre Schlussfolgerung nicht zur "absoluten Wahrheit".

$n<p$