我在解释 lmer 中的 2-way 和 3-way 交互时遇到问题。我的 DV 是高度，它是一个连续变量。所有 IV 都是分类变量。第一个因素是动物，无论是老鼠还是狮子。第二个因素是性别，无论是男性还是女性。第三个因素是颜色：红色、白色或黄色。我对解释输出感到困惑：

Fixed effects:
                                  Estimate Std. Error t value
(Intercept)                       164.6888     7.8180  21.065
rat                               -14.1342     8.2889  -1.705
sexmale                           -16.0883    10.0071  -1.608
colorred                            0.5776     6.2473   0.092
coloryellow                        -14.4048     6.1025  -2.360
rat:sexmale                         15.3645    11.8567   1.296
rat:colorred                        12.5258     4.4028   2.845
rat:coloryellow                     10.3136     4.3196   2.388
sexmale:colorred                     2.0272     5.2773   0.384
sexmale:coloryellow                  5.7643     5.1669   1.116
rat:sexmale:colorred                -5.5144     6.2838  -0.878
rat:sexmale:coloryellow              0.9735     6.1690   2.158

根据 Vasishth等人的说法。(2007)，固定效应的显着性可以从绝对t值来判断；如果它高于 2，那么该因素是显着的。在解释这个输出时，我只选择重要的因素。请检查我的解释是否正确：

1. coloryellow= 对象喜欢黄色时身高较低，喜欢白色时身高较高。
2. rat:colorred= 大鼠偏好的作用增强了对红色的偏好，这两个促进了受试者的身高。
3. rat:sexmale:coloryellow= 老鼠偏好的影响，是男性，增强了对黄色的偏好，喜欢老鼠和黄色并且是男性的受试者身高更高。

从这些解释中，我想问：如果我想知道 的效果lion:sexfemale:colorred，并rat:sexmale:colorred与 相比rat:sexfemale:coloorred，我是否必须运行新的统计数据？