Làm thế nào để giải thích tương tác 2 chiều và 3 chiều trong lmer?

Tôi có một vấn đề với việc diễn giải các tương tác 2 chiều và 3 chiều trong lmer. DV của tôi là chiều cao là một biến liên tục. Tất cả các IV là các biến phân loại. Yếu tố đầu tiên là động vật, hoặc chuột hoặc sư tử. Yếu tố thứ hai là tình dục, dù là nam hay nữ. Yếu tố thứ ba là màu sắc: đỏ, trắng hoặc vàng. Tôi bị lẫn lộn với việc diễn giải đầu ra:

Fixed effects:
                                  Estimate Std. Error t value
(Intercept)                       164.6888     7.8180  21.065
rat                               -14.1342     8.2889  -1.705
sexmale                           -16.0883    10.0071  -1.608
colorred                            0.5776     6.2473   0.092
coloryellow                        -14.4048     6.1025  -2.360
rat:sexmale                         15.3645    11.8567   1.296
rat:colorred                        12.5258     4.4028   2.845
rat:coloryellow                     10.3136     4.3196   2.388
sexmale:colorred                     2.0272     5.2773   0.384
sexmale:coloryellow                  5.7643     5.1669   1.116
rat:sexmale:colorred                -5.5144     6.2838  -0.878
rat:sexmale:coloryellow              0.9735     6.1690   2.158

Theo Vasishth et al. (2007), tầm quan trọng của hiệu ứng cố định có thể được đánh giá từ giá trị t tuyệt đối; nếu nó cao hơn 2, thì yếu tố đó rất đáng kể. Khi giải thích đầu ra này, tôi chỉ chọn các yếu tố quan trọng. Vui lòng kiểm tra xem diễn giải của tôi có đúng không:

1. coloryellow = Chiều cao của đối tượng thấp hơn khi họ thích màu vàng và cao hơn nếu họ thích màu trắng.
2. rat:colorred = Hiệu ứng của sở thích chuột giúp tăng cường sự ưa thích của màu đỏ và hai điều này thúc đẩy chiều cao của các đối tượng.
3. rat:sexmale:coloryellow = Ảnh hưởng của sở thích chuột, là nam, tăng cường sự ưa thích của màu vàng và các đối tượng thích chuột và vàng và là nam có chiều cao cao hơn.

Từ những diễn giải này, tôi muốn hỏi: nếu tôi muốn biết tác dụng của lion:sexfemale:colorred, và rat:sexmale:colorredso với rat:sexfemale:coloorred, tôi có phải chạy số liệu thống kê mới không?

Trước hết, độ tương phản mặc định cho các biến phân loại trong R là độ tương phản điều trị . Ngược lại, tất cả các cấp độ của một yếu tố được so sánh với cấp độ cơ sở (loại tham chiếu).

Các mức cơ sở không xuất hiện trong đầu ra. Trong ví dụ của bạn, các mức cơ sở là:

• animal: lion
• color: white
• sex: female

Lưu ý rằng tất cả các hiệu ứng được ước tính liên quan đến các mức cơ sở.

Chúng ta hãy xem các hiệu ứng. Bạn giải thích là chính xác.

• Giá intercepttrị trung bình của biến phụ thuộc trong ba mức cơ sở.
• ratlà sự khác biệt giữa ratvà lion(đối với biến phụ thuộc). Lưu ý rằng đây không phải là sự khác biệt toàn cầu, mà là sự khác biệt đối với các cấp độ cơ sở khác. Hiệu quả của ratđược ước tính cho dữ liệu ở đâu color = whitevà sex = female.
• sexmalelà sự khác biệt giữa nam và nữ (ở đâu animal = lionvà color = white).
• colorredlà sự khác biệt giữa redvà white(ở đâu animal = lionvà sex = female).
• coloryellowlà sự khác biệt giữa yellowvà white(ở đâu animal = lionvà sex = female).
• rat:sexmale: Sự khác biệt giữa sư tử và chuột cao hơn đối với con đực so với con cái (ở đâu color = white).
• rat:colorred: Sự khác biệt giữa sư tử và chuột cao hơn đối với màu đỏ so với màu trắng (trong đó sex = female).
• rat:coloryellow: Sự khác biệt giữa sư tử và chuột cao hơn màu vàng so với màu trắng (trong đó sex = female).
• sexmale:colorred: Sự khác biệt giữa nam và nữ cao hơn đối với màu đỏ so với màu trắng (ở đâu animal = lion).
• sexmale:coloryellow: Sự khác biệt giữa nam và nữ cao hơn đối với màu vàng so với màu trắng (trong đó animal = lion).
• rat:sexmale:colorred: Tương tác ba yếu tố. Hiệu ứng rat:sexmalekhác với màu đỏ so với màu trắng.
• rat:sexmale:coloryellow: Tương tác ba yếu tố. Hiệu ứng rat:sexmalekhác với màu vàng so với màu trắng.

Để kiểm tra độ tương phản xa hơn, bạn phải chạy một phân tích khác.