การตีความเอาต์พุตการถดถอยจากโมเดลผสมเมื่อการโต้ตอบระหว่างตัวแปรเด็ดขาดถูกรวมไว้


14

ฉันมีคำถามเกี่ยวกับการใช้โมเดลผสม / Lmer ของฉัน โมเดลพื้นฐานคือ:

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

กลุ่มและเงื่อนไขเป็นทั้งสองปัจจัย: กลุ่มมีสองระดับ (groupA, groupB) และเงื่อนไขมีสามระดับ (เงื่อนไข 1, เงื่อนไข 2, เงื่อนไข 3) มันเป็นข้อมูลจากวิชามนุษย์ดังนั้น pptid จึงเป็นผลแบบสุ่มสำหรับแต่ละคน

โมเดลพบสิ่งต่อไปนี้พร้อมกับเอาต์พุตค่า p:

                                   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

ตอนนี้ฉันรู้ว่าแถวที่แสดงเปรียบเทียบแต่ละระดับของปัจจัยกับระดับการอ้างอิง สำหรับกลุ่มการอ้างอิงคือ groupA และสำหรับเงื่อนไขการอ้างอิงคือ condition1

ฉันจะต้องถูกต้องในการตีความผลลัพธ์นี้ด้วยวิธีต่อไปนี้:

  • ไม่มีความแตกต่างโดยรวมระหว่างกลุ่ม (ดังนั้น groupB มี ap ของ> .05)
  • ความแตกต่างโดยรวมระหว่างเงื่อนไข 1 และเงื่อนไข 2 และระหว่างเงื่อนไข 1 และเงื่อนไข 3
  • ความแตกต่างระหว่าง groupA, เงื่อนไข 1 กับ groupB, เงื่อนไข 2 และระหว่าง groupA, เงื่อนไข 1 กับกลุ่ม B, เงื่อนไข 3

ถูกต้องหรือไม่ ฉันคิดว่าฉันสับสนเล็กน้อยเกี่ยวกับวิธีตีความสิ่งนี้เกี่ยวกับการมีปฏิสัมพันธ์ระหว่างระดับของปัจจัยที่แตกต่างกันสองระดับ

ฉันได้อ่านคำถามต่าง ๆ ที่นี่และทำการค้นหาเว็บและจัดการเพื่อให้ได้ความแตกต่างกับ glht: นั่นจะเป็นวิธีที่ดีกว่าในการดูความแตกต่างระหว่างกลุ่มและเงื่อนไขหรือไม่ ฉันคิดว่าจะเป็นกรณีที่มีสัญญาณของการมีปฏิสัมพันธ์อยู่ที่นี่


แต่ถ้าเราต้องการเปรียบเทียบกลุ่ม = B กับระดับอ้างอิงกลุ่ม = A เมื่อเงื่อนไข = 2 (หรือ 3) มันเป็นไปได้? และฉันรู้สึกว่าเปรียบเทียบว่า "ความแตกต่างระหว่างเงื่อนไข 1 และเงื่อนไข 2 แตกต่างกันเมื่อกลุ่ม = A เทียบกับกลุ่ม = B" เป็นสิ่งเดียวกันหากเปรียบเทียบว่า "ความแตกต่างระหว่างกลุ่ม = A และกลุ่ม = B แตกต่างกันเมื่อเงื่อนไข 1 กับเงื่อนไข 2 " ถูกต้องหรือไม่ มิฉะนั้นค่า p ของพวกเขาคืออะไร?

นี่ไม่ใช่คำตอบสำหรับคำถาม แต่คุณมีคำถามใหม่ ดีที่สุดในการโพสต์เช่น
Nick Cox

คำตอบ:


21

การใช้ตารางการถดถอยที่กำหนดเราสามารถคำนวณตารางของค่าที่คาดหวังของตัวแปรDVตามแต่ละชุดค่าผสมของสองปัจจัยซึ่งอาจทำให้สิ่งนี้ชัดเจนยิ่งขึ้น (หมายเหตุฉันใช้การประมาณการทั่วไปไม่ใช่การประมาณ MCMC):

GroupAGroupBCondition16.13726.0758Condition26.25226.0853Condition36.23726.1149

ฉันจะตอบคำถามของคุณโดยตอบกลับการตีความของคุณโดยอ้างอิงจากตารางนี้

ไม่มีความแตกต่างโดยรวมระหว่างกลุ่ม (ดังนั้น groupB มี ap ของ> .05)

pConditionCondition=16.13726.0758

มันไม่ได้ทดสอบว่ามีความแตกต่างโดยรวมระหว่างกลุ่มหรือไม่ การทำแบบทดสอบว่าคุณจะต้องออกจากรูปแบบทั้งหมดและทดสอบความสำคัญของConditionGroup

ความแตกต่างโดยรวมระหว่างเงื่อนไข 1 และเงื่อนไข 2 และระหว่างเงื่อนไข 1 และเงื่อนไข 3

Condition2Condition3Condition1Group=A6.1372Groupcondition

ความแตกต่างระหว่าง groupA, เงื่อนไข 1 กับ groupB, เงื่อนไข 2 และระหว่าง groupA, เงื่อนไข 1 กับกลุ่ม B, เงื่อนไข 3

เงื่อนไขการทดสอบจะทดสอบว่าผลของตัวแปรหนึ่งขึ้นอยู่กับระดับของตัวแปรอื่นหรือไม่

groupB:condition2Condition1Condition2Group=AGroup=B

6.25226.1372=.115
6.08536.0758=.0095
Condition2Condition1GroupA GroupBCondition3

1
นี่คือการตอบสนองที่ยอดเยี่ยม: ขอบคุณมากสำหรับการสละเวลามารวมกัน! ในความคิดของคุณดังนั้นจะมีจุดเล็ก ๆ ในการทำงานที่แตกต่างติดตามสำหรับสิ่งนี้
vizzero

2
คุณยินดีมาก @vizzero! ในกรณีนี้ดูเหมือนว่าการเปรียบเทียบความสนใจทั้งหมดอยู่ในแบบจำลองดังนั้นฉันไม่แน่ใจว่าจุดประสงค์ของการทดสอบหลังจบจะเป็นอย่างไร นอกจากนี้เนื่องจากเราเห็นปฏิสัมพันธ์ที่สำคัญความสำคัญของการเปรียบเทียบค่าเฉลี่ยของกลุ่ม (เช่นกลุ่ม A กับกลุ่ม B โดยไม่สนใจเงื่อนไข) ไม่ชัดเจนสำหรับฉัน
มาโคร

การตอบสนองที่ยอดเยี่ยม @Marco คุณรู้หรือไม่ว่าฟังก์ชั่นที่ทดสอบผลกระทบโดยรวมของตัวทำนายทั้งหมดที่ระบุในแบบจำลองโดยอัตโนมัติโดยไม่ต้องระบุและทดสอบแต่ละรุ่นย่อยด้วยมือ?
crsh

(x1,...,xp)y
E(y|x1,...,xp)=f(x1,...,xp)
f(x1,...,xp)cc
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.