我想测试线性模型中 4 个数值预测变量对 DV 的影响，但是其中一个预测变量没有可变性(即天花板效应(。我应该删除它还是使用专门的线性模型？
这可能是一个更适合交叉验证、统计或 DS 的问题，因为它主要不是关于编码的。
尽管如此，我可以为你指出正确的方向。
首先，这取决于变量的确切性质。你说这不是可变性/方差，这意味着它是恒定的。假设你的DV不是恒定的，显然没有相关性或影响，变量可以删除，因为它没有影响(例如，如果我所有的测试对象都是男性，是一个无用的测试变量，不会预测任何东西(。
但是，如果您只是说它具有很小的方差或受某个下限或上限阈值(例如，永远不会超过X(的约束，那就不同了。
对此的最佳答案始终是计算多个模型并简单地进行比较。
如果包含所有变量的模型比删除特定变量的模型更好，那么保留它当然是有价值的。使用 r² 和预测变量的显著性来跟踪它，并记住，即使变量本身不能预测 DV，它也可以用作抑制变量。
最后是关于模型选择。您已经假设预测变量和 DV 的关系是线性的，但也许这不是真的，或者至少不是对所有变量都是如此。你可以测试这个假设并从那里开始工作。但是线性模型之间的切换不太可能影响结果，在检测几乎恒定的预测变量和DV之间的关系方面，没有线性模型比另一个更好。