如何在三向交互模型中解释双向交互

机器算法验证 回归 相互作用 解释
2022-03-16 07:52:18

我试图用变量 a、b 和 c 预测 y。我有两个模型,根据我适合模型的方式,我得到不同的结果。

模型 A 是更简单的模型,其中我排除了变量 c。在模型 B 中,我包括了 3 个变量之间的所有主要影响和可能的相互作用。我对加粗的ab交互感兴趣。

在模型 A 中,没有显着的 ab相互作用

  • 模型 A:y ~ a + b + ab

在模型 B 中,存在 ab交互作用,并且 abc 交互作用也显着。

  • 模型 B:y ~ a + b + c + ab + ac + bc + abc

一切都已正确编码,因此变量均值居中或效果编码。这是在 R 中使用 glmer 拟合的广义(逻辑)线性混合效应模型。

我的问题是,是否有显着的腹肌相互作用?如果我信任模型 A,那么我会说不,但如果我信任模型 B,那么我会说是。哪个模型更正确,还是取决于模型的细节?为什么添加三向交互会使原本不显着的双向交互(模型 A)变得显着(模型 B)?

1个回答

我的问题是,是否有显着的腹肌相互作用?如果我信任模型 A,那么我会说不,但如果我信任模型 B,那么我会说是。哪个模型更正确,还是取决于模型的细节?为什么添加三向交互会使原本不显着的双向交互(模型 A)变得显着(模型 B)?

两种模型都不是“正确的”。它们是不同的模型。在第一个模型中找到有意义的交互是绝对可以的,但相同的交互在第二个模型中可能没有意义。在第二个模型中,a:b交互本身涉及与 的交互c这意味着a:b第二个模型中交互作用的解释c是以零为条件的(或者如果它是分类的,则在它的参考水平)。然后有必要解释a:b:c交互,它将告诉您a:b交互如何随c. 所以从这里很容易看出,没有理由期望a:b在两个模型中具有相似的幅度(或统计意义)。