当包含分类变量之间的交互时,解释混合模型的回归输出


14

我对使用混合模型/ lmer有疑问。基本模型是这样的:

lmer(DV ~ group * condition + (1|pptid), data= df)

组和条件都是两个因素:组具有两个级别(组A,组B),条件具有三个级别(条件1,条件2,条件3)。它是来自人类受试者的数据,因此pptid对每个人都是随机效应。

该模型找到以下带有p值的输出:

                                   Estimate MCMCmean HPD95lower HPD95upper  pMCMC Pr(>|t|)
(Intercept)                          6.1372   6.1367     6.0418     6.2299 0.0005   0.0000
groupB                              -0.0614  -0.0602    -0.1941     0.0706 0.3820   0.3880
condition2                           0.1150   0.1151     0.0800     0.1497 0.0005   0.0000
condition3                           0.1000   0.1004     0.0633     0.1337 0.0005   0.0000
groupB:condition2                   -0.1055  -0.1058    -0.1583    -0.0610 0.0005   0.0000
groupB:condition3                   -0.0609  -0.0612    -0.1134    -0.0150 0.0170   0.0148

现在,我知道列出的行将因素的每个级别与参考级别进行了比较。对于组,参考是groupA,对于条件,参考是condition1。

通过以下方式解释此输出是否正确:

  • 两组之间没有总体差异(因此,ap≥0.05的groupB)
  • 条件1和条件2之间以及条件1和条件3之间的总体差异。
  • 组A,条件1与组B,条件2之间的差异,以及组A,条件1与组B,条件3之间的差异。

那是对的吗?对于两个不同因素之间的相互影响,我对如何解释这一点感到有些困惑。

我在这里阅读了各种问题,并进行了一些网络搜索,并设法通过glht建立了对比:这是否是一种更好的方式来查看组和条件之间的差异?考虑到此处存在交互的迹象,我认为情况就是如此。


但是,如果要在条件= 2(或3)时将组= B与参考水平组= A进行比较?有可能的?而且,如果“条件1 vs.条件2与Group1的条件不同时,条件1和条件2之间的差异不同”,则感觉相同。 ”。那是对的吗?否则,它们的p值是多少?

这看起来不像是对该问题的答案。相反,您有一个新问题。最好这样发布。
Nick Cox

Answers:


21

使用给定的回归表,我们可以DV为两个因素的每种组合计算因变量的期望值表,这可能会使情况更加清楚(请注意,我使用的是普通估算,而不是MCMC估算):

GroupAGroupBCondition16.13726.0758Condition26.25226.0853Condition36.23726.1149

我将通过回答您的解释并参考此表来回答您的问题。

两组之间没有总体差异(因此,ap≥0.05的groupB)

pConditionCondition=16.13726.0758

这不是在测试两组之间是否存在总体差异。要进行测试,您必须Condition完全放弃模型并测试的重要性Group

条件1和条件2之间以及条件1和条件3之间的总体差异。

Condition2Condition3Condition1Group=A6.1372Groupcondition

组A,条件1与组B,条件2之间的差异,以及组A,条件1与组B,条件3之间的差异。

交互作用项测试一个变量的作用是否取决于另一变量的水平。

groupB:condition2Condition1Condition2Group=AGroup=B

6.25226.1372=.115
6.08536.0758=.0095
Condition2Condition1GroupA GroupB,这就是我怎么会解释这个。似乎在某种程度上发生了类似的动态变化Condition3

1
这是一个了不起的回应:非常感谢您抽出宝贵的时间将它们组合在一起!在您看来,因此像这样进行后续对比没有什么意义?
vizzero 2012年

2
@vizzero非常欢迎您!在这种情况下,似乎所有利益比较都在模型中,所以我不确定事后测试的目的是什么。同样,由于我们看到了显着的交互作用,因此比较不清楚组平均值(例如,组A与组B,忽略条件)的重要性。
2012年

很好,@ Marco。您是否知道可以自动测试模型中指定的所有预测变量的总体效果的函数,而无需手动指定和测试每个子模型?
crsh 2013年

(x1,...,xp)y
E(y|x1,...,xp)=f(x1,...,xp)
f(x1,...,xp)cc
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.