Wie interpretiert man 2-Wege- und 3-Wege-Interaktion in lmer?

Ich habe ein Problem mit der Interpretation von 2-Wege- und 3-Wege-Interaktionen in lmer. Mein DV ist die Höhe, die eine kontinuierliche Variable ist. Alle IVs sind kategoriale Variablen. Der erste Faktor ist ein Tier, entweder eine Ratte oder ein Löwe. Der zweite Faktor ist das Geschlecht, entweder männlich oder weiblich. Der dritte Faktor ist die Farbe: rot, weiß oder gelb. Ich bin verwirrt mit der Interpretation der Ausgabe:

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

Nach Vasishth et al. (2007) kann die Signifikanz fester Effekte anhand des absoluten t-Werts beurteilt werden; Wenn es höher als 2 ist, ist dieser Faktor signifikant. Bei der Interpretation dieser Ausgabe wähle ich nur Faktoren aus, die von Bedeutung sind. Bitte überprüfen Sie, ob meine Interpretationen korrekt sind:

1. coloryellow = Die Höhe der Motive ist geringer, wenn sie Gelb mögen, und höher, wenn sie Weiß mögen.
2. rat:colorred = Die Wirkung der Rattenpräferenz erhöht die Präferenz von Rot, und diese beiden fördern die Körpergröße der Probanden.
3. rat:sexmale:coloryellow = Die Wirkung der Rattenpräferenz, männlich zu sein, erhöht die Präferenz von Gelb, und Probanden, die Ratte und Gelb mögen und männlich sind, haben eine höhere Körpergröße.

Aus diesen Interpretationen möchte ich fragen: Wenn ich die Auswirkungen von lion:sexfemale:colorredund im rat:sexmale:colorredVergleich dazu wissen möchte rat:sexfemale:coloorred, muss ich neue Statistiken erstellen?

Zuallererst sind die Standardkontraste für kategoriale Variablen in R Behandlungskontraste . Im Gegensatz zur Behandlung werden alle Niveaus eines Faktors mit dem Basisniveau (Referenzkategorie) verglichen.

Die Basisebenen werden in der Ausgabe nicht angezeigt. In Ihrem Beispiel sind die Basisebenen:

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

Beachten Sie, dass alle Effekte in Bezug auf die Basiswerte geschätzt werden.

Werfen wir einen Blick auf die Auswirkungen. Deine Interpretation ist richtig.

• Das interceptist der Mittelwert der abhängigen Variablen in den drei Basisebenen.
• ratist der Unterschied zwischen ratund lion(in Bezug auf die abhängige Variable). Beachten Sie, dass dies kein globaler Unterschied ist, sondern ein Unterschied zu den anderen Basisebenen. Die Auswirkung von ratwird für Daten geschätzt, bei denen color = whiteund sex = female.
• sexmaleist der Unterschied zwischen Männern und Frauen (wo animal = lionund color = white).
• colorredist der Unterschied zwischen redund white(wo animal = lionund sex = female).
• coloryellowist der Unterschied zwischen yellowund white(wo animal = lionund sex = female).
• rat:sexmale: Der Unterschied zwischen Löwen und Ratten ist bei Männern höher als bei Frauen (wo color = white).
• rat:colorred: Der Unterschied zwischen Löwen und Ratten ist bei Rot höher als bei Weiß (wo sex = female).
• rat:coloryellow: Der Unterschied zwischen Löwen und Ratten ist bei Gelb höher als bei Weiß (wo sex = female).
• sexmale:colorred: Der Unterschied zwischen Männern und Frauen ist bei Rot höher als bei Weiß (wo animal = lion).
• sexmale:coloryellow: Der Unterschied zwischen Männern und Frauen ist bei Gelb höher als bei Weiß (wo animal = lion).
• rat:sexmale:colorred: Drei-Faktor-Interaktion. Der Effekt rat:sexmaleist bei Rot anders als bei Weiß.
• rat:sexmale:coloryellow: Drei-Faktor-Interaktion. Der Effekt rat:sexmaleist bei Gelb anders als bei Weiß.

Um weitere Kontraste zu testen, müssen Sie eine weitere Analyse durchführen.