Возможно, этот вопрос лучше подходит для перекрестной проверки, статистики или DS, поскольку речь идет не только о кодировании.
Тем не менее я могу указать вам правильное направление.
Во-первыхэто зависит от точного характера вашей переменной. Вы говорите, что это не изменчивость / дисперсия, которая будет означать, что она постоянна. Предполагая, что ваш DV не постоянен, очевидно, что нет никакой корреляции или эффекта, и переменная может быть удалена, потому что она не оказывает влияния (например, если все мои испытуемые являются мужчинами, SEX - бесполезная переменная теста и ничего не будет предсказывать).
Однако, если вы просто имеете в виду, что он имеет небольшую дисперсию или ограничен каким-то более низким или верхним порогом (например, никогда не поднимается выше X), чем тот, который отличается.
Лучший ответ на это - всегда вычислять несколькомодели и просто сравнить.
Если модель, включающая все переменные, лучше, чем модель, удаляющая конкретную переменную, то, конечно, полезно сохранить ее. Используйте r² и значение предикторов, чтобы отследить это, и имейте в виду, что ваша переменная может быть полезна в качестве переменной-подавителя, даже если она сама не предсказывает DV.
Наконец, о выборе модели. Вы уже предполагаете, что взаимосвязь предикторов и DV линейна, но, возможно, это не так или, по крайней мере, не для всех переменных. Вы можете проверить это предположение и работать оттуда. Но переключение между линейными моделями вряд ли повлияет на результат, и никакая линейная модель не лучше, чем другая, в обнаружении взаимосвязи между почти постоянным предиктором и DV.