まず、IQが常にそのようなモデルに含まれている理由を自問してください。おそらく何らかの理由があります。 IQはメディエーターである可能性があります（以下を参照）

次に、あなたの言うことから、IQはグルタメート濃度とグループ変数との関係のメディエーターの一種であるように思われます。マッチングは仲介関係を扱いません。調停を確立する正しい方法は完全には合意されていませんが（用語が完全に決まっていない場合でも）、統計的有意性はほとんど役割を果たしていないと私は考えています。重要なのは、関係が有意であるかどうかではなく（N = 33の場合、有意性は難しい）、パラメーター推定値の変化です。

第3に、「モデルが乱雑になる」という事実は、変数を除外する理由にはなりません。すべての関係が単純なわけではありません。調停人を除外することは、関係の非常に間違った絵を与える可能性があります。

まず、@ amoebaが述べたように、あなたは「研究地獄」に着陸する正しい道を進んでいることを保証します。ここは、研究者がp値を決定するときに行くべき場所です。分析に何を含めるかどうか。

理由1。

Leveneの検定を不均一分散性の良い検定と見なすか、それとも事前に決定する必要があります。そうではなく、テストが重要/重要でない場合の対処方法。また、あなたと私は同意しないかもしれませんが、しきい値を使用して決定を下す場合（残念ながら、これは依然として古典的な統計の標準です）、何かが重要でないか重要であるかはほとんど重要ではありません。

理由2と3。

"どちらのグループも年齢とIQがよく一致しています"、これは良いことです。 ANCOVAの最も重要な仮定の1つは、 共変量と治療効果の独立性 です。 「この関連性はIQとグルタメートにとって重要ではありません」、これが問題であるかどうかは完全にはわかりませんが、実際にはそうではないと思います。実際、ANCOVAの2番目に重要な仮定は、共変量が独立変数に関係なく従属変数と同じ関係にあるということです。これは通常、 回帰勾配の均一性 と呼ばれます。

質問1。

ここでの問題は、生きたまま食べられるということではありません。おそらく、あなたはそうしないでしょう（私はより悪い分析が公開されているのを見ました...）。問題は、最終結果に基づいて変更を加えないという実験データ分析の最も重要なルールに違反した後、完全に確信が持てない分析の結果である結果を公開することを考えていることです。 / strong>。

質問2。

理論的にはそうです。不均一分散は、データ内で何か他のことが起こっていることの兆候である可能性があります。か否か。私たちは知りません（できません）。ただし、サンプルサイズが小さいことを考えると、不均等な分散の問題を修正せずに分析を続行することには反対します。検討したいテクニックがありますが、それらは機能する場合と機能しない場合があります。ただし、それらが機能しない場合は、分析を実行しないという1つの可能性しか残されていません（すでに実行しているため、結果を報告しないでください）。

質問3。

はい、そうです。繰り返しますが、事前に決定する必要があります。主効果に関心がある場合はタイプIIが推奨され、相互作用が予想される場合はタイプIIIが推奨されます。私はタイプIIIを好む傾向がありますが、どちらが優れているかについての議論はまだ存在します。

結論。

私の提案は、これらの結果を公開せず、より多くのデータを収集しようとすることです。サンプルが大きくなると（60以上）、破った仮定のいくつかは重要性が低くなります。とはいえ、理論的にはそれは戻り不能のポイントであるため、すべてが正しく行われたことを確認する前に、最終結果を確認するべきではありません。

プロットのy軸ラベル「CグルタメートSDが20未満-極値」について少し心配しています。これには、2つの潜在的に重要な意味があります。

1つは、トリッキーなビジネスである「外れ値」の決定がすでにいくつか削除されていることを示唆するために取られました。これは通常、測定値が（乱雑ではなく）エラーであることがわかっている場合にのみ実行する必要があります。軸ラベルの考えられる解釈は、各個人に対してグルタメートの複数の分析的決定があり、各決定には複数の技術的複製が含まれ、技術的複製が20を超えるSDと一致しなかった場合、一部の決定は除外されたというものです。 -極値」とは、個人の決定の極値をさらに削除したことを意味します。これは、考慮すべき追加の問題です。

次に、20のオーダーの分析SDがあり、平均値が9のオーダーであり、グルタメート濃度は確かに0を下回ることはできません。その場合、少なくとも分析結果を組み合わせて各個人のグルタメート値を取得するという観点から、グルタメート分析を線形スケールで分析するべきではありません。私の推測では、グルタミン酸測定の分析誤差は測定値にほぼ比例するため、この作業のグルタミン酸分析部分では、分析誤差の大きさが独立しているように対数スケールで作業する方がよいでしょう。そのスケールでの測定値。対数スケールでは、「外れ値」の一部はそれほど遠くない可能性があり、結果の信頼性は高くなる可能性があります（そして、仮説を裏付ける可能性さえあります）。

あなたが引用するIQとグルタメートの間の「弱い」関係（ピアソン相関= .203、sig = .213、N = 33）は必ずしもそれほど弱いわけではありません。 2つの変数間の関係を除外しようとすることは、それらの間の有意な関係を実証しようとすることとは異なります。その相関係数は多くの生物学的関係に異例ではなく、「有意性」の欠如は単に少数の症例を表している可能性があるため、IQを除外する理由にはなりません。

ここでの問題の一部はあなたが理解しているように、力不足の実験計画。このタイプの研究で年齢とIQの管理が一般的に期待される場合、それに対応するのに十分なケースが必要でした。追加の共変量はそれぞれ分析の自由度を使い果たし、共変量が結果変数との関係が弱い場合、有意性の検出が困難になる可能性があります。少数の予測子で「有意性」を見つけることは珍しくありませんが、追加の予測子が追加されると消えます。

グルタメートの決定の性質について私が正しければ、再-いずれにしても、これらの関係を評価してください。