У меня есть вопрос об использовании смешанной модели / лмера. Основная модель такова:
lmer(DV ~ group * condition + (1|pptid), data= df)
Группа и условие являются факторами: группа имеет два уровня (группа A, группа B), а условие имеет три уровня (условие 1, условие 2, условие 3). Это данные от людей, поэтому pptid - случайный эффект для каждого человека.
Модель нашла следующее с выводом значения 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
Теперь я знаю, что перечисленные строки сравнивают каждый уровень факторов с контрольным уровнем. Для группы ссылка - это группа A, а для условия - это условие1.
Буду ли я правильно интерпретировать этот вывод следующим образом:
- Нет общих различий между группами (следовательно, groupB имеет ap> 0,05)
- Общие различия между условием 1 и условием 2, а также между условием 1 и условием 3.
- Различия между группой А, условием 1 и группой В, условием 2, а также между группой А, условием 1 и группой В, условием 3.
Это верно? Я думаю, что я немного озадачен тем, как это интерпретировать в отношении взаимодействия между уровнями двух разных факторов.
Я прочитал различные вопросы здесь и сделал некоторые веб-поиски, и мне удалось настроить контрасты с помощью glht: это был бы лучший способ взглянуть на различия между группами и условиями? Я подумал, что это будет иметь место, учитывая признаки присутствия здесь взаимодействий.