机器算法验证 - 当包含分类变量之间的交互时，解释混合模型的回归输出 - 吾爱随笔录

当包含分类变量之间的交互时，解释混合模型的回归输出

机器算法验证相互作用解释 lme4-nlme 模型

2022-02-03 08:48:53

我对使用混合模型/lmer 有疑问。基本模型是这样的：

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

组和条件都是因素：组有两个级别（组A，组B），条件有三个级别（条件1，条件2，条件3）。它是来自人类受试者的数据，因此 pptid 是每个人的随机效应。

该模型发现以下具有 p 值输出：

                                   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

现在，我知道列出的行将因子的每个级别与参考级别进行了比较。对于组，引用是 groupA，对于条件，引用是 condition1。

我以以下方式解释此输出是否正确：

组之间没有总体差异（因此组 B 的 ap >.05）
条件 1 和条件 2 之间以及条件 1 和条件 3 之间的总体差异。
组 A、条件 1 与组 B、条件 2 之间的差异以及组 A、条件 1 与组 B、条件 3 之间的差异。

那是对的吗？我想我对如何解释这两个不同因素水平之间的相互作用有点困惑。

我在这里阅读了各种问题并进行了一些网络搜索，并设法与 glht 建立了对比：这是查看组和条件之间差异的更好方法吗？鉴于此处存在交互的迹象，我认为情况就是如此。

1个回答

使用给定的回归表，我们可以计算因变量的期望值表DV，对于两个因素的每个组合，这可能会更清楚（注意我使用的是普通估计，而不是 MCMC 估计）：

\begin{array}{ccc} G r o u p A & G r o u p B \\ C o n d i t i o n 1 & 6.1372 & 6.0758 \\ C o n d i t i o n 2 & 6.2522 & 6.0853 \\ C o n d i t i o n 3 & 6.2372 & 6.1149 \end{array}

$\begin{array}{c|cc} \phantom{} & {\rm GroupA} & {\rm GroupB} \\ \hline {\rm Condition1} & 6.1372 & 6.0758 \\ {\rm Condition2} & 6.2522 & 6.0853 \\ {\rm Condition3} & 6.2372 & 6.1149 \\ \end{array}$

我将通过参考此表来回答您的解释来回答您的问题。

组之间没有总体差异（因此组 B 的 ap >.05）

您所指的值仅将焦点限制在变量的参考水平上，因此它仅在（表的第一行）时测试组之间的差异，即仅测试是否与 . $p$ ConditionCondition=1 $6.1372$ $6.0758$

这不是测试组之间是否存在整体差异。要进行该测试，您必须Condition完全退出模型并测试Group.

条件 1 和条件 2 之间以及条件 1 和条件 3 之间的总体差异。

与第一种解释类似，这只是将Condition2和 Condition3与参考水平 ( Condition1)进行比较Group=A。也就是说，这只是测试第一列中的第二个和第三个条目是否与显着不同。要测试条件变量的整体差异，您需要离开模型并单独进行测试。 $6.1372$ Groupcondition

组 A、条件 1 与组 B、条件 2 之间的差异以及组 A、条件 1 与组 B、条件 3 之间的差异。

交互项测试一个变量的影响是否取决于另一个变量的水平。

例如，该术语的重要性groupB:condition2告诉您Condition1与. 参考该表，这意味着与 = .0095明显不同。似乎在较小程度上正在发生类似的动态。Condition2Group=AGroup=B

6.2522 - 6.1372 = .115

$6.2522-6.1372=.115$

6.0853 - 6.0758 = .0095

$6.0853-6.0758=.0095$ Condition2Condition1GroupA GroupBCondition3

其它你可能感兴趣的问题

上一篇完整性背后的直觉下一篇如何在显示分组对的表格中获得 Tukey HSD 事后测试的结果？