Mam pytanie dotyczące mojego zastosowania mieszanego modelu / lmera. Podstawowy model to:
lmer(DV ~ group * condition + (1|pptid), data= df)
Grupa i warunek to oba czynniki: grupa ma dwa poziomy (grupa A, grupa B), a warunek ma trzy poziomy (warunek 1, warunek 2, warunek 3). To dane od ludzi, więc pptid jest przypadkowym efektem dla każdej osoby.
Model znalazł następujące wyniki wyjściowe wartości p:
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
Teraz wiem, że wymienione wiersze porównują każdy poziom czynników z poziomem odniesienia. W przypadku grupy odniesieniem jest grupa A, aw przypadku warunku odniesieniem jest warunek 1.
Czy miałbym rację interpretując ten wynik w następujący sposób:
- Brak ogólnych różnic między grupami (stąd grupa B ma ap> 0,05)
- Ogólne różnice między warunkiem 1 a warunkiem 2 oraz między warunkiem 1 a warunkiem 3.
- Różnice między grupą A, warunkiem 1 a grupą B, warunkiem 2, a także między grupą A, warunkiem 1 a grupą B, warunkiem 3.
Czy to jest poprawne? Myślę, że jestem trochę zdezorientowany, jak interpretować to w odniesieniu do interakcji między poziomami dwóch różnych czynników.
Przeczytałem tutaj różne pytania i przeprowadziłem kilka wyszukiwań w sieci, i udało mi się ustawić kontrast z glht: czy to byłby lepszy sposób na spojrzenie na różnice między grupami i warunkami? Uznałem, że tak właśnie będzie, biorąc pod uwagę występujące tutaj interakcje.