Stata中lrtest模型比较：p值>0.05时如何判断最优模型？

首先得明确一个关键前提：lrtest只能用来比较嵌套模型——也就是其中一个模型是另一个模型的"简化版"（比如model3是model1去掉了几个解释变量，或者反过来，model3在model1基础上多了几个变量，但本质是一个模型的参数被约束为0后得到另一个模型）。如果两个模型不是嵌套关系，lrtest的结果是没有意义的哦。

接下来看你的p值：0.7673，远大于常用的0.05显著性水平。先搞懂lrtest的原假设：原假设是「约束模型（更简单的那个）和非约束模型（更复杂的那个）的拟合效果没有显著差异」。

具体判断哪个模型更优，得分两种核心情况：

• 情况1：model3是约束模型（比model1简单，比如model1包含x1、x2、x3，model3只保留x1、x2）
  此时p值>0.05，说明我们没有足够证据拒绝原假设——也就是说，额外加入x3的model1，并没有比model3带来显著更好的拟合效果。这种情况下，根据奥卡姆剃刀原则，选更简洁的model3更合适：它在解释力足够的同时，更不容易出现过拟合，也更易解释。
• 情况2：model3是非约束模型（比model1复杂，比如model1包含x1、x2，model3新增了x3）
  此时p值>0.05，说明新增的x3并没有显著提升模型拟合效果，model3的复杂性是不必要的。这种情况下，应该选更简单的model1：它的解释力已经满足需求，且模型更稳健。

最后补充一句：统计检验只是选模型的一部分依据，你还要结合研究的理论逻辑、变量的实际意义来判断。比如如果某个变量在理论上非常关键，哪怕统计上不显著，你可能也需要保留它；反之，如果变量没有理论支撑，哪怕显著也要谨慎纳入。

内容的提问来源于stack exchange，提问作者Karin