从模型中删除项后的适当剩余自由度

我正在反思有关该问题的讨论，尤其是弗兰克·哈雷尔（Frank Harrell）的评论，即简化模型（即已测试并拒绝了许多解释变量的模型）中的方差估计应使用Ye的广义自由度。哈雷尔教授指出，与最终模型（其中许多变量已被拒绝）相比，这将更接近原始“完全”模型（包含所有变量）的剩余自由度。

问题1。如果我想对简化模型中的所有标准摘要和统计数据使用适当的方法（但未全面实施广义自由度），一种合理的方法是仅使用来自以下模型的剩余自由度：我的剩余方差估算中的完整模型等？

问题2。如果上述情况是正确的，并且我想在中进行操作R，那么它可能像设置一样简单

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

在模型拟合练习中的某个时刻，使用lm（）或类似函数创建了finalModel和fullModel。之后，诸如summary（）和confint（）之类的函数似乎可以与所需的df.residual一起使用，尽管返回的错误消息表明有人显然已经对finalModel对象进行了修改。

无论如何，您是否不同意@FrankHarrel的回答，即简约带来了一些丑陋的科学取舍？

我喜欢@MikeWiezbicki评论中提供的指向道格·贝茨（Doug Bates）原理的链接。如果有人不同意您的分析，他们可以按自己的方式做，这是开始对您的基本假设进行科学讨论的一种有趣方式。p值不会使您的结论成为“绝对真理”。

如果是否在模型中包括参数的决定归结为“挑毛”，对于具有科学意义的样本，df中的差异相对较小-并且您没有处理问题无论如何，只要有了更细微的推断，那么您的参数就非常接近满足您的要求，您应该透明并以任何一种方式谈论它：只包括它，或者分析有或没有它的模型，但是绝对透明地讨论您的决策归根结底。 $n<p$