Wie lassen sich Wechselwirkungen zwischen Faktor und Kovariate in einem Modell mit gemischten Effekten untersuchen?

8

Ich habe 2 Faktoren Aund B(5 × 3) und eine Kovariate Xin einem innerhalb des Subjekts liegenden Design. So spezifiziere ich mein Gesamtmodell:

lme.out = lme(y~ A*B*X, random=~1|Subject, data=mydata)

Meine Interpretation ist, dass ich ein Diagramm betrachte y~x, in dem sich die Steigung aufgrund der Kovariate ändert und sich die Linie basierend auf den verschiedenen Ebenen von Aund B(Änderungen in den Abschnitten) nach oben oder unten verschiebt .

Was ich herausfinden möchte, ist: Wenn ich den Faktor festlegen A(eine der Ebenen nehmen) und dann die Linien ( y~x) betrachten würde, wie wirkt sich das aus B? BVerschiebt die Ebene der Linie die Linie nach oben oder unten (Abschnitte) oder ändert sie die Steigung der Linie ( X)?

Sollte ich eine Art Kontrastanalyse durchführen? Ich bin mir jedoch nicht sicher, wie Kontraste zwischen Faktoren und Kovariaten funktionieren.

Eine Möglichkeit, die ich mir vorstellen könnte, besteht darin, die Teilmengen von Daten, die verschiedenen Ebenen von A entsprechen, zu nehmen und Modelle zu erstellen, wie z lme(y~ B+X, random=~1|Subject, data=mydata[which(mydata$A = A1,]). Auf diese Weise konnte ich die resultierenden Abschnitte und Steigungen zwischen diesen Modellen vergleichen.

Kann mir jemand sagen, ob das, was ich tue, Sinn macht? Vorschläge jeglicher Art wären sehr dankbar!

repeated-measures interaction lme4-nlme contrasts predictor Wynn
quelle
2
Möchten Sie nur Diagramme erstellen, um diese Beziehungen zu betrachten? Ich denke das ist eine gute Idee. Sie können es mit latticeoder ggplotoder Basisgrafiken tun, Rje nachdem, was Sie am besten können.
Peter Flom
Danke Peter. Ich habe mir die Grafiken angesehen. Da ich Hypothesen darüber habe, wie sie sich verhalten würden, hoffe ich, sie formal analysieren zu können.
Wynn
2
Beachten Sie Folgendes: "Meine Interpretation ist, dass ich einen Graphen y ~ x betrachte, in dem sich die Steigung aufgrund der Kovariate ändert und sich die Linie basierend auf den verschiedenen Ebenen von A und B nach oben oder unten verschiebt (Änderungen in den Abschnitten)." ist ein wenig von: der Art und Weise, wie Ihre festen Effekte eingerichtet sind (A B X), schätzen Sie einen anderen Achsenabschnitt UND SLOPE IN X für jede Kombination der Ebenen von A und B.
Fabians

Antworten:

1

Zur Visualisierung von Interaktionsbegriffen können Sie sich das sjPlot-Paket ansehen ( siehe Beispiele hier ).

Ihr Funktionsaufruf wäre 

sjp.int(fit, type ="eff")

Ich bin mir jedoch nicht sicher, ob dies Ihren Anforderungen entspricht.

Daniel
quelle
0

Ich persönlich denke, wenn Sie die wahre Beziehung zwischen Y und den Faktoren in Ihrem Modell nach der Steuerung für X untersuchen möchten, sollten Sie sich die geplotteten angepassten und nicht die rohen Mittelwerte ansehen, die aus Ihrem Lieblingsmodell berechnet wurden. Für die Zwecke gibt es R-Pakete wie lsmeans, die sehr praktisch und benutzerfreundlich sind!

user1442363
quelle