Как удалить параметр более низкого порядка в модели, когда остаются параметры более высокого порядка?

Проблема:Я не могу удалить параметр более низкого порядка (, например, параметр главных эффектов )в модели, пока в модели остаются параметры более высокого порядка (, то есть взаимодействия ). Даже при этом модель подвергается рефакторингу, и новая модель не вкладывается в более высокую модель.
См. следующий пример (, так как я исхожу из дисперсионного анализа, который я использую contr.sum):

d <- data.frame(A = rep(c("a1", "a2"), each = 50), B = c("b1", "b2"), value = rnorm(100))
options(contrasts=c('contr.sum','contr.poly'))
m1 <- lm(value ~ A * B, data = d)
m1

## Call:
## lm(formula = value ~ A * B, data = d)
## 
## Coefficients:
## (Intercept)           A1           B1        A1:B1  
##   -0.005645    -0.160379    -0.163848     0.035523  

m2 <- update(m1,.~. - A)
m2

## Call:
## lm(formula = value ~ B + A:B, data = d)

## Coefficients:
## (Intercept)           B1       Bb1:A1       Bb2:A1  
##   -0.005645    -0.163848    -0.124855    -0.195902  

. Как видно, хотя я убираю один параметр(A), новая модель(m2)реорганизован и не вложен в большую модель(m1). Если я преобразую свои факторы на руку в переменные числового контраста, я могу получить желаемые результаты, но как мне получить их, используя возможности факторов R?

Вопрос:Как я могу удалить фактор более низкого порядка в R и получить модель, которая действительно пропускает этот параметр и не подвергается рефакторингу (, т. е. число параметров в меньшей модели должно быть меньше )?

Но почему? Я хочу получить «Тип 3», например значения p -для модели lmer, используя функцию KRmodcompиз пакета pbkrtest. Так что этот пример на самом деле просто пример.

Почему не перекрестная проверка? У меня такое ощущение, что это действительно больше вопрос R, чем вопрос статистики (т. е. я знаю, что вы никогда не должны подгонять модель с взаимодействиями, но без одного из основных эффектов, но я все еще хочу это сделать. ).