Giúp giải thích một âm mưu tương tác?

Tôi gặp khó khăn trong việc diễn giải các ô tương tác khi có sự tương tác giữa hai biến độc lập.

Các biểu đồ sau là từ trang web này :

Ở đây, và là các biến độc lập và là biến phụ thuộc.B D $A$$B$$DV$

Câu hỏi: Có tương tác và tác dụng chính của , nhưng không có tác dụng chính của$A$$B$

Tôi có thể thấy rằng càng cao giá trị của , cao hơn giá trị của , với điều kiện B là khác, là hằng số không phụ thuộc vào giá trị của . Do đó, có sự tương tác giữa và và tác dụng chính của (vì cao hơn dẫn đến cao hơn , giữ không đổi tại ).D V B 1 D V A A B A A D V B B $A$$DV$$B_1$$DV$$A$$A$$B$$A$$A$$DV$$B$$B_1$

Ngoài ra, tôi có thể thấy rằng các mức khác nhau sẽ dẫn đến các mức khác nhau , giữ các hằng sốDo đó, có tác dụng chính của B. Nhưng rõ ràng đây không phải là trường hợp. Vì vậy, điều này có nghĩa là tôi đang diễn giải sai cốt truyện tương tác. Tôi đang làm gì sai?D V $B$$DV$$A$

Tôi cũng đang giải thích sai cốt truyện 6-8. Logic tôi đã sử dụng để giải thích chúng giống như logic tôi đã sử dụng ở trên vì vậy nếu tôi biết lỗi tôi đang mắc ở trên, tôi sẽ có thể diễn giải chính xác phần còn lại. Nếu không, tôi sẽ cập nhật câu hỏi này.

Bạn đang diễn giải các điểm riêng lẻ trên biểu đồ và gọi đó là sự tương tác nhưng không phải vậy. Lấy ví dụ bạn cung cấp, hãy tưởng tượng mô tả tương tác của bạn sẽ diễn ra như thế nào nếu hiệu ứng chính của A lớn hơn nhiều. Hoặc có lẽ nếu nó nhỏ hơn nhiều, hoặc thậm chí 0. Mô tả của bạn sẽ thay đổi nhưng hiệu ứng chính đó phải độc lập với tương tác. Do đó, mô tả của bạn là của dữ liệu nhưng không phải là sự tương tác.

Bạn cần trừ đi các hiệu ứng chính để chỉ nhìn thấy sự tương tác. Khi bạn thực hiện điều đó thì TẤT CẢ các tương tác 2x2 trông giống như lần tương tác cuối cùng trên trang bạn tham chiếu, một chữ "X" đối xứng. Ví dụ: trong tài liệu được liên kết có một bộ dữ liệu

    A1 A2
B1   8 24
B2   4  6

Có những hiệu ứng chính rõ ràng trong các hàng và cột. Nếu chúng bị xóa, bạn có thể thấy sự tương tác (nghĩ về các ma trận bên dưới được vận hành đồng thời).

8 24 -  10.5 10.5 -  5.5  5.5 -  -4.5 4.5 =  -3.5  3.5
4  6    10.5 10.5   -5.5 -5.5    -4.5 4.5     3.5 -3.5

(Các ma trận được trừ ở trên có thể được tính là độ lệch so với giá trị trung bình dự kiến ​​dựa trên các phương tiện biên. Ma trận đầu tiên là trung bình lớn, 10.5. Thứ hai dựa trên độ lệch của hàng có nghĩa là trung bình lớn. cao hơn 5,5 so với trung bình lớn, v.v.)

Sau khi các hiệu ứng chính được loại bỏ thì tương tác có thể được mô tả bằng điểm hiệu ứng từ điểm trung bình chung hoặc điểm chênh lệch đảo ngược. Một ví dụ về ví dụ sau cho ví dụ ở trên sẽ là "tương tác là hiệu ứng của B tại A1 là 7 và hiệu ứng của B tại A2 là -7". Tuyên bố này vẫn đúng bất kể cường độ của các hiệu ứng chính. Nó cũng nhấn mạnh rằng sự tương tác là về sự khác biệt về hiệu ứng hơn là bản thân các hiệu ứng.

Bây giờ hãy xem xét các biểu đồ khác nhau tại liên kết của bạn. Sâu xa hơn, sự tương tác có hình dạng giống như mô tả ở trên và trong biểu đồ 8, đối xứng X. Trong trường hợp đó, hiệu ứng của B theo một hướng tại A1 và hướng khác tại A2 (lưu ý rằng việc bạn sử dụng tăng A theo mô tả cho thấy bạn biết A không phân loại). Tất cả điều đó xảy ra khi các hiệu ứng chính được thêm vào là những thay đổi xung quanh các giá trị cuối cùng. Nếu bạn chỉ mô tả sự tương tác thì một trong 8 là tốt cho tất cả những người có sự tương tác. Tuy nhiên, nếu kế hoạch của bạn là mô tả dữ liệu thì cách tốt nhất là chỉ mô tả các hiệu ứng và sự khác biệt về hiệu ứng. Ví dụ, đối với biểu đồ 7 có thể là: "Cả hai hiệu ứng chính đều tăng từ cấp 1 lên 2,

Đó là một mô tả chính xác ngắn gọn về dữ liệu, dữ liệu có sự tương tác, không chứa mô tả thực tế về tương tác. Đó là một mô tả về cách các hiệu ứng chính được sửa đổi bởi sự tương tác. Mà nên đủ khi không có số được cung cấp.

Khi một hiệu ứng tương tác tồn tại giữa hai yếu tố, sẽ không còn ý nghĩa khi nói về các hiệu ứng chính. Không có tác dụng chính, cho các loại cân nhắc mà bạn đề cập trong bài viết của bạn. Bạn đã có điểm: bạn chỉ biết tác dụng của cấp B nếu bạn cũng biết cấp A - vì vậy, không có tác dụng chính.

Trong biểu đồ trên, nếu có các hiệu ứng chính, nhưng không có tương tác, hai dòng của bạn sẽ song song.

Nếu mô hình của bạn dự đoán phản hồi từ các yếu tố dự đoán & , phản hồi dự kiến ​​sẽ được đưa ra bởi$Y$$x_1$$x_2$

Nếu các hệ số & là những gì bạn đang gọi là "hiệu ứng chính" thì hãy lưu ý rằng, mang lại sự thay đổi trong khi thay đổi bởi một (đơn vị của bất cứ thứ gì nó đo được) và khi . Không phải lúc nào nó cũng thực sự không thường xuyên, đó là trường hợp số lượng này được quan tâm đặc biệt: nếu là nhiệt độ, ý nghĩa của số 0 sẽ phụ thuộc vào sự lựa chọn tùy ý để đo nó theo độ C hoặc Fahrenheit, nếu đó là giới tính thì ý nghĩa của số không sẽ phụ thuộc vào sự lựa chọn tùy ý để sử dụng nam hay nữ làm danh mục tham khảo; và do đó "tác dụng chính" củaβ 2 β 1 E Y x 1 x 2 = 0 x 2 x 1 A 1 B 1 A 2 B 2 β 0 A B β 1 A 2$\beta_1$$\beta_2$$\beta_1$$\operatorname{E} Y$$x_1$$x_2=0$$x_2$$x_1$ phụ thuộc vào sự lựa chọn tùy ý. Đôi khi, người ta viết mã hoặc dịch các yếu tố dự đoán chỉ để các tham số này có những diễn giải khá hợp lý, đủ công bằng, nhưng điều này không tạo ra sự khác biệt đáng kể nào đối với mô hình nhào so với dự đoán hoặc khả năng của nó. @ Ví dụ tương ứng với John để sử dụng -1 mã & , & 1 mã & : sau đó là giá trị trung bình lớn hơn tất cả bốn sự kết hợp của & , sự khác biệt giữa các phản ứng trung bình cho trên cả cấp độ và ý nghĩa lớn, và như vậy.$A_1$$B_1$$A_2$$B_2$$\beta_0$$A$$B$$\beta_1$$A_2$$B$

Tôi nghi ngờ rằng trong đồ thị dưới bạn hiển thị bạn đang mong đợi để giả định, hoặc đã ở nơi khác được cho biết, rằng một số không có giá trị cho nằm giữa đường giữa & ; tại điểm chính xác đó chỉ chuyển từ sang không tạo ra sự khác biệt cho phản hồi.A 1 A 2 B 1 B $A$$A_1$$A_2$$B_1$$B_2$

Vì mục đích đơn giản trực quan, giả vờ đây không phải là vấn đề thống kê, mà chỉ là vấn đề toán học. Nói rằng "dữ liệu" bao gồm tất cả các điểm duy nhất chính xác vào những dòng trong ví dụ của bạn, do đó nhiệm vụ là để mô tả những dòng hoàn toàn như các chức năng của một và B . Có thể cho rằng, thực tế đây là trường hợp và không cần giả vờ, vì ví dụ của bạn không cung cấp thông tin về lỗi tiêu chuẩn hoặc phần dư. Sau đó, giả sử B ₁ chia đôi B ₂ một cách hoàn hảo và rằng ( B ₁ , A ₂ ) chính xác như xa hơn ( B ₂ , A ₂ ) như ( B ₁ ,A ₁ ) ở dưới ( B ₂ , A ₁ ) và bỏ qua dấu gạch ngang (nghĩa là, điền chúng vào, về cơ bản) ...

Một nửa số điểm trên B ₁ nằm trên B ₂ và một nửa ở dưới và sự khác biệt của chúng thực sự bị loại bỏ. Điều này có nghĩa rằng DV ( B ₁ ) = DV ( B ₂ ) khi trung bình trên tất cả các giá trị của A . Vâng, nếu bạn giữ một hằng số ở A ₁ hoặc A ₂ , B ₁ và B ₂ sẽ khác nhau, nhưng vì sự khác biệt là bằng nhau và ngược tại giá trị trái ngược với A , không có tác dụng chính của B . Sự khác biệt trong DV( B ) phụ thuộc vào giá trị của A được mô tả hoàn toàn bằng hiệu ứng tương tác. Logic tương tự có thể được áp dụng cho các ô 6 trận8 để đi đến kết luận dự định.