我可以忽略线性模型中非重要因素水平的系数吗？

在这里寻求关于线性模型系数的澄清之后，我有一个关于因子水平系数的非有效值（高p值）的后续问题。

示例：如果我的线性模型包含一个具有10个水平的因子，并且其中只有3个水平具有与之相关的显着p值，那么当使用该模型预测Y时，如果受试者属于以下情况之一，我可以选择不包括系数项：非重要级别？

更彻底地讲，将7个不重要的级别合并为一个级别并重新分析是错误的吗？

如果要输入具有多个级别的预测变量，则要么输入变量，要么不输入变量，则无法选择级别。您可能希望重组预测变量的级别以减少级别的数量（如果这在您的分析上下文中有意义）。但是，我不确定这是否会导致某种类型的统计无效。崩溃的水平，因为您看到它们并不重要。

同样，仅需注意，您说小的无关紧要。我假设您的意思是小值很重要，即：.0001 的值很重要，因此您拒绝null（假设级别？）。 $p$$p$$p$$\alpha$$> .0001$

@Ellie的回应很好。

如果要输入具有多个级别的变量，则需要在分析中保留所有这些级别。根据显着性水平进行选择和选择都将使您的结果产生偏差，并对推理做出非常奇怪的事情，即使通过某些奇迹，您的估算仍保持不变，因为您会在不同水平的估算结果上留有空白变量。

我会考虑以图形方式查看您对每个预测变量级别的估计。您在上升时是否看到趋势，还是不稳定？

一般而言，我也反对基于统计测试或纯粹基于统计时刻对变量进行重新编码。变量中的划分应该基于更牢固的东西-逻辑上有意义的切入点，特定转换点上的字段兴趣等。

扩展您已经获得的两个好答案，让我们实质性地看一下。假设您的因变量是（例如）收入，而您的自变量是（例如）种族，其水平根据普查定义（白人，黑人/非洲裔，美国印第安人/阿拉斯加土著，亚裔，夏威夷土著/太平洋岛民，其他和多种族）。假设您以白色作为参考类别对它进行了虚拟编码，然后得到

$Income = b_0 + b_1BAA + b_2AIAN + b_3AS + b_4NHPI + b_5O + b_6MR$

如果您在纽约市进行这项研究，则可能会得到很少的夏威夷原住民/太平洋岛民。您可能决定将它们（如果有的话）包括在其他文件中。但是，您不能使用完整的方程式，而不能包含该系数。这样，截距将是错误的，收入的任何预测值也将是错误的。

但是，您应该如何组合类别？

正如其他人所说，这是有道理的。

提出不同的意见：为什么不将其包括为随机效应？那应该惩罚那些支撑力较弱的水平，并确保其影响力最小。这样，您可以将它们全部保留下来，而不必担心获得愚蠢的预测。

是的，这是从贝叶斯随机效应的观点出发，而不是从整个“所有可能水平的样本”的随机效应观点出发。

我还想知道是否可以将非重要类别与参考类别结合在一起。书中的以下陈述“ Gaming Shmueli，Nitin R. Patel，Peter C. Bruce撰写的第二版，带有XLMiner®的Microsoft OfficeExcel®中的Microsoft OfficeExcel®中的概念，技术和应用程序”，p87-89（尺寸减少部分）（Google搜索结果）似乎支持@Ellie回应的第二句话：

• “拟合的回归模型还可以用于进一步组合相似的类别：系数不具有统计显着性（即p值较高）的类别可以与参考类别合并，因为它们与参考类别的区别似乎不存在对输出变量有重大影响”
• “具有相似系数值（和相同符号）的类别通常可以合并，因为它们对输出变量的影响相似”

但是，我计划与主题专家一起检查组合类别是否合乎逻辑（如先前的答案/评论所暗示，例如@ Fomite，@ gung）。