혼합 모델 / lmer 사용에 대한 질문이 있습니다. 기본 모델은 다음과 같습니다.
lmer(DV ~ group * condition + (1|pptid), data= df)
그룹과 조건은 모두 요인입니다. 그룹에는 두 가지 수준 (groupA, groupB)이 있고 조건에는 세 가지 수준 (condition1, condition2, condition3)이 있습니다. 그것은 인간 대상의 데이터이므로 pptid는 각 사람에게 무작위 효과입니다.
모델은 p 값 출력으로 다음을 발견했습니다.
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
이제 나열된 행이 각 요인 수준을 참조 수준과 비교한다는 것을 알고 있습니다. 그룹의 경우 참조는 groupA이고 조건의 경우 참조는 condition1입니다.
이 출력을 다음과 같은 방식으로 해석하는 것이 정확합니까?
- 그룹들 사이에 전체적인 차이가 없다 (따라서 그룹 B는 a>> 05)
- 조건 1과 조건 2 사이, 그리고 조건 1과 조건 3 사이의 전반적인 차이점
- 그룹 A, 조건 1 대 그룹 B, 조건 2 및 그룹 A, 조건 1 대 그룹 B, 조건 3의 차이점
그 맞습니까? 두 가지 요소 수준 간의 상호 작용과 관련하여 이것을 해석하는 방법에 대해 약간 혼란 스럽다고 생각합니다.
여기에서 다양한 질문을 읽고 일부 웹 검색을 수행하고 glht로 설정된 대비를 얻었습니다. 그룹과 조건의 차이점을 보는 더 좋은 방법입니까? 나는 여기에 존재하는 상호 작용의 징후가 주어진 경우라고 생각했습니다.