Tôi có một câu hỏi về việc sử dụng mô hình hỗn hợp / lmer. Mô hình cơ bản là thế này:
lmer(DV ~ group * condition + (1|pptid), data= df)
Nhóm và điều kiện là cả hai yếu tố: nhóm có hai cấp độ (nhómA, nhómB) và điều kiện có ba cấp độ (condition1, condition2, condition3). Đó là dữ liệu từ các đối tượng của con người, vì vậy pptid là một hiệu ứng ngẫu nhiên cho mỗi người.
Mô hình tìm thấy sau đây với đầu ra giá trị 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
Bây giờ, tôi biết rằng các hàng được liệt kê so sánh từng cấp độ của các yếu tố với cấp độ tham chiếu. Đối với nhóm, tham chiếu là nhómA và đối với điều kiện, tham chiếu là điều kiện1.
Tôi có thể chính xác trong việc diễn giải đầu ra này theo cách sau:
- Không có sự khác biệt tổng thể giữa các nhóm (do đó nhómB có ap> 0,05)
- Sự khác biệt chung giữa điều kiện 1 và điều kiện 2 và giữa điều kiện 1 và điều kiện 3.
- Sự khác biệt giữa nhómA, điều kiện 1 so với nhómB, điều kiện 2 và cả giữa nhómA, điều kiện 1 so với nhóm B, điều kiện 3.
Đúng không? Tôi nghĩ rằng tôi hơi bối rối về cách diễn giải điều này liên quan đến sự tương tác giữa các cấp độ của hai yếu tố khác nhau.
Tôi đã đọc nhiều câu hỏi khác nhau ở đây và thực hiện một số tìm kiếm trên web và quản lý để có được sự tương phản được thiết lập với glht: đó có phải là cách tốt hơn để xem xét sự khác biệt giữa các nhóm và điều kiện không? Tôi đoán rằng đó sẽ là trường hợp có dấu hiệu tương tác hiện diện ở đây.