R modelado de efectos mixtos: análisis e interpretación
Estoy tratando de usar el modelado de efectos mixtos para mis datos en R. Tengo dos variables independientes y ambas tienen tres niveles. ¿Es necesario que tenga que codificar mis variables? Si es así, ¿puedo usar codificación ficticia / tratamiento? También tengo algunas otras variables predictoras. Adjunto el modelo con esto,
model1 <- lmer(rt ~ emotion + trial + emotion*trial + age + emotion*trial*age + (1|participant)
Los resultados obtenidos son los siguientes:
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 295.9898 21.9655 59.9409 13.475 <2e-16 ***
EmotionNegative 12.9354 10.3385 17076.8218 1.251 0.2109
EmotionNeutral 13.2439 10.2729 17076.4637 1.289 0.1973
trial_typeincongruent 20.6828 10.6194 17077.0115 1.948 0.0515 .
trial_typeneutral 23.0839 10.4112 17076.4873 2.217 0.0266 *
Age -0.2310 4.0893 60.0862 -0.056 0.9551
EmotionNegative:trial_typeincongruent -5.9407 15.2334 17076.6471 -0.390 0.6966
EmotionNeutral:trial_typeincongruent 4.0637 15.1272 17076.5003 0.269 0.7882
EmotionNegative:trial_typeneutral 11.5807 14.8398 17076.5762 0.780 0.4352
EmotionNeutral:trial_typeneutral 8.1210 14.8446 17076.3594 0.547 0.5843
EmotionNegative:Age 0.4182 1.9479 17076.9098 0.215 0.8300
EmotionNeutral:Age -2.0714 1.9280 17076.4446 -1.074 0.2827
trial_typeincongruent:Age -2.6537 1.9935 17077.2263 -1.331 0.1831
trial_typeneutral:Age -0.2855 1.9518 17076.5935 -0.146 0.8837
EmotionNegative:trial_typeincongruent:Age 3.3124 2.8751 17076.6068 1.152 0.2493
EmotionNeutral:trial_typeincongruent:Age 1.6189 2.8473 17076.4467 0.569 0.5696
EmotionNegative:trial_typeneutral:Age -1.3162 2.7958 17076.6643 -0.471 0.6378
EmotionNeutral:trial_typeneutral:Age -1.7054 2.7918 17076.2931 -0.611 0.5413
¿Cómo debo interpretar estos datos? ¿Necesito mencionar la codificación de la variable y, de ser así, por qué es importante?
Respuestas
¿Es necesario que tenga que codificar mis variables? Si es así, ¿puedo usar codificación ficticia / tratamiento?
R utilizará la codificación de tratamiento de forma predeterminada.
¿Cómo debo interpretar estos datos?
La interpretación de los efectos fijos es la misma que con un modelo lineal:
la intersección es el valor esperado de la respuesta variable cuando todas las demás variables son cero, o para las variables categóricas, en su nivel de referencia.
para una variable que no está involucrada en una interacción, la estimación es la asociación de un cambio de 1 unidad en esa variable, o la diferencia entre el nivel de referencia y el nivel estimado para las variables categóricas, dejando todas las demás variables sin cambios.
para una variable que está involucrada en una interacción, la estimación es la asociación de un cambio de 1 unidad en esa variable, o la diferencia entre el nivel de referencia y el nivel estimado para las variables categóricas, cuando la otra variable con la que se interactúa es cero (o en su nivel de referencia)
Las interacciones se interpretan como la diferencia en la pendiente para una variable continua (o la diferencia en el resultado entre el nivel de referencia y el nivel estimado, para una variable categórica) cuando la otra variable cambia por unidad (o cambia del nivel de referencia a el nivel estimado en el caso de una variable categórica). Los diferentes tipos de interacciones se han discutido muchas veces en otras partes del sitio:
¿Cómo interpretar las interacciones bidireccionales en el modelado de efectos mixtos lineales?
Cómo interpretar la interacción entre dos variables categóricas
Cómo interpretar una interacción bidireccional en un modelo
de interacción de 3 vías Interpretación del término de interacción
¿Cómo interpretar el término de interacción en la fórmula de lm en R?
¿Necesito mencionar la codificación de la variable y, de ser así, por qué es importante?
No está de más mencionar qué codificación usa, pero digo que a menos que esté usando algo que no sea la codificación de tratamiento, o perpahs si generalmente se usó otro esquema de codificación en su campo, no es necesario.