#r #statistics #mixed-models #effects #interaction
Вопрос:
Я читал другие подобные темы, но их методы и дизайн слишком сильно отличаются от моих.
Я рассчитываю многоуровневую модель (смешанные эффекты) с двухуровневой иерархией (Уровень 1 :отдельные сеансы , Уровень 2: Участники), и как только я добавляю термин взаимодействия между Добавленным компонентом лечения 1 Да/Нет и добавленным компонентом лечения 2 Да/Нет, бета-значения для отдельных предикторов (Компонент 1 и 2) становятся отрицательными и изменяются в значении, в то время как термин взаимодействия положительный.
Вот вывод моих исправленных эффектов перед добавлением термина взаимодействия
(Intercept): 24.046430 2.329687 536 10.321743 0.0000
Added component 1 : 2.494618 2.668156 (SE) 59 (DF) 0.934959(t-value) 0.3536 (p)
Added component 2 : 2.914177 2.664200(SE) 59 (DF) 1.093828(t-value) 0.2785 (p)
и здесь после добавления термина взаимодействия:
(Intercept) 25.621801 2.673329 536 9.584229 0.0000
Added component 1 -0.485001 3.676817 (SE) 58 (DF) -0.131908 (t-value) 0.8955 (p)
Added component 2 -0.358369 3.853397 (SE) 58 (DF) -0.093001 (t-value) 0.9262 (p)
Component 1: Component 2 6.156257 5.285248 (SE) 58 (DF) 1.164800 (t-value) 0.2489 (p)
Мне кажется, что существует эффект взаимодействия, который просто не становится значительным, и значения отдельных предикторов, похоже, напоминают начальное значение минус значение взаимодействия некоторые дополнительные изменения.
Но я озадачен тем, как интерпретировать результат….
Комментарии:
1. Пожалуйста, предоставьте достаточно кода, чтобы другие могли лучше понять или воспроизвести проблему.
Ответ №1:
Добавление условий взаимодействия полностью изменяет модель, поэтому ожидается, что оценки параметров изменятся.
Само взаимодействие говорит вам, как меняется «эффект» одной переменной в зависимости от уровня другой.
Основные эффекты имеют различную интерпретацию при наличии взаимодействия. Когда переменная участвует во взаимодействии, ее основной эффект интерпретируется как обусловленный тем, что другая переменная, с которой она взаимодействует, равна нулю (или на ее базовом уровне в случае категориальной переменной). Улучшенная интерпретация числовые переменные часто центрируются на их среднем значении, так что интерпретация затем зависит от того, что переменная имеет среднее значение, а не ноль (например, в случае, если какая-то переменная равна нулю, не имеет смысла, например, рост, вес или человек).