Trochę niggle
„Teraz wiele przykładów z podręczników mówi mi, że jeśli istnieje znaczący efekt interakcji, głównych efektów nie można interpretować”
Mam nadzieję, że to nieprawda. Powinny powiedzieć, że jeśli istnieje warunek interakcji, powiedzmy między X i Z, zwany XZ, wówczas interpretacja poszczególnych współczynników dla X i Z nie może być interpretowana w taki sam sposób, jak gdyby XZ nie był obecny. Zdecydowanie możesz to zinterpretować.
pytanie 2
Jeśli interakcja ma sens teoretyczny, nie ma powodu, aby jej nie pomijać, chyba że obawy dotyczące wydajności statystycznej z jakiegoś powodu zastępują obawy dotyczące błędnej specyfikacji i pozwalają na rozbieżność teorii i modelu.
Biorąc pod uwagę, że nie opuścił go, a następnie interpretuje swój model używając marginalne zmiany w taki sam sposób, jak gdyby były znaczące oddziaływanie. Dla odniesienia dołączam link do Brambor, Clark i Golder (2006), którzy wyjaśniają, jak interpretować modele interakcji i jak unikać typowych pułapek.
Pomyśl o tym w ten sposób: często masz zmienne kontrolne w modelu, które okazują się nieistotne, ale nie (lub nie powinieneś) wycinać ich przy pierwszym znaku brakujących gwiazd.
Pytanie 1
Pytasz, czy możesz „dojść do wniosku, że dwa predyktory mają wpływ na odpowiedź?” Najwyraźniej możesz, ale możesz też zrobić lepiej. W przypadku modelu z terminem interakcji można zgłosić, jaki wpływ dwa czynniki prognostyczne faktycznie mają na zmienną zależną (efekty krańcowe) w sposób, który jest obojętny czy oddziaływanie jest znaczące, a nawet obecne w modelu.
Dolna linia
Jeśli usuniesz interakcję, ponownie określasz model. Z wielu powodów może to być rozsądne, niektóre teoretyczne i statystyczne, ale ułatwienie interpretacji współczynników nie jest jednym z nich.