Взаимодействие в glmer (статистика советов) - PullRequest
Новая
       24

Взаимодействие в glmer (статистика советов)

0 голосов
/ 25 марта 2019

Мне нужна помощь для понимания и отслеживания взаимодействия, полученного с помощью glmer () из lme4.

Данные получены из эксперимента по языковой обработке, который изучает влияние трех категориальных переменных (контроль / совокупность / пол) на биномиальный ответ (предпочтительный или рассеянный). Каждый из экспериментальных факторов имеет два уровня: контроль (субъект / объект) копула (ser / estar) пол (мужской / женский).

Я запускаю следующую модель: 

model1= glmer(preferences~control*copula*gender+(1|participant), family=binomial, data=data2)

И вот результаты, которые я получил: 

Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
 Family: binomial  ( logit )
Formula: preferences_narrow ~ control * copula * gender + (1 | participant)
   Data: data2

     AIC      BIC   logLik deviance df.resid 
  1208.6   1261.1   -595.3   1190.6     2517 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-8.6567  0.1970  0.2337  0.2883  0.5371 

Random effects:
 Groups      Name        Variance Std.Dev.
 participant (Intercept) 0.254    0.504   
Number of obs: 2526, groups:  participant, 105

Fixed effects:
                                    Estimate Std. Error z value Pr(>|z|)    
(Intercept)                           2.5034     0.2147  11.660  < 2e-16 ***
controlsubject                        0.4882     0.3172   1.539  0.12380    
copulaser                             0.4001     0.3237   1.236  0.21646    
gendermasc                           -0.4524     0.2659  -1.701  0.08888 .  
controlsubject:copulaser             -1.0355     0.4526  -2.288  0.02215 *  
controlsubject:gendermasc             0.5790     0.4430   1.307  0.19121    
copulaser:gendermasc                  1.7343     0.5819   2.980  0.00288 ** 
controlsubject:copulaser:gendermasc  -1.3121     0.7540  -1.740  0.08181 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
             (Intr) cntrls coplsr gndrms cntrlsbjct:c cntrlsbjct:g cplsr:
contrlsbjct  -0.602                                                      
copulaser    -0.588  0.401                                               
gendermasc   -0.724  0.488  0.479                                        
cntrlsbjct:c  0.415 -0.701 -0.716 -0.342                                 
cntrlsbjct:g  0.432 -0.716 -0.287 -0.599  0.502                          
cplsr:gndrm   0.332 -0.223 -0.556 -0.457  0.397        0.274             
cntrlsbjc::  -0.252  0.421  0.430  0.352 -0.600       -0.588       -0.772

Существует два значимых взаимодействия controlsubject:copulaser и copulaser:gendermasc.

Я проследил за первым взаимодействием, используя emmeans: 

emmeans(model1, list(pairwise ~ control + copula), adjust = "tukey")

Результаты, кажется, показывают, что множественные контрасты управляют взаимодействием (нечто подобное происходит, когда я делаю то же самое для второго взаимодействия): 

NOTE: Results may be misleading due to involvement in interactions
$`emmeans of control, copula`
 control copula   emmean        SE  df asymp.LCL asymp.UCL
 object  estar  2.277256 0.1497913 Inf  1.983670  2.570841
 subject estar  3.054906 0.1912774 Inf  2.680009  3.429802
 object  ser    3.544448 0.2697754 Inf  3.015698  4.073198
 subject ser    2.630568 0.1752365 Inf  2.287110  2.974025

Results are averaged over the levels of: gender 
Results are given on the logit (not the response) scale. 
Confidence level used: 0.95 

$`pairwise differences of control, copula`
 contrast                       estimate        SE  df z.ratio p.value
 object,estar - subject,estar -0.7776499 0.2215235 Inf  -3.510  0.0025
 object,estar - object,ser    -1.2671927 0.2910689 Inf  -4.354  0.0001
 object,estar - subject,ser   -0.3533119 0.2088155 Inf  -1.692  0.3279
 subject,estar - object,ser   -0.4895427 0.3138092 Inf  -1.560  0.4017
 subject,estar - subject,ser   0.4243380 0.2396903 Inf   1.770  0.2877
 object,ser - subject,ser      0.9138807 0.3048589 Inf   2.998  0.0145

Results are averaged over the levels of: gender 
Results are given on the log odds ratio (not the response) scale. 
P value adjustment: tukey method for comparing a family of 4 estimates

И все же, что означает ПРИМЕЧАНИЕ? 

NOTE: Results may be misleading due to involvement in interactions

Это хорошая процедура для отслеживания этих взаимодействий?

Заранее спасибо! :)

1 Ответ

0 голосов
/ 25 марта 2019

Как указано в аннотациях, показанные оценки являются средними значениями прогнозов для комбинаций контроля, связок и пола, усредненными по полу.Между тем, модель включает взаимодействие между полом и двумя другими факторами, что позволяет предположить, что эти средние значения могут быть не значимыми.Вы можете визуализировать это, построив график трехсторонних предсказаний: 

emmip(model1, gender ~ control * copula)

Если прогнозы сравниваются совершенно по-разному в разных случаях, то их средние значения будут бессмысленными.Но если они сравнивают почти одинаково, то было бы нормально усреднить их.Вот о чем предупреждение.

Я предполагаю, что вы делаете встречаетесь, чтобы беспокоиться о взаимодействии с полом - в этом случае вы должны сделать сравнения отдельно: 

emmeans(model1, pairwise ~ control * copula | gender)
...