Как интерпретировать резкое изменение ценности после добавления термина взаимодействия?

#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).