Modelagem de efeitos mistos R - análise e interpretação
Estou tentando usar modelagem de efeitos mistos para meus dados em R. Eu tenho duas variáveis independentes e ambas têm três níveis. É necessário que eu tenha que codificar minhas variáveis? Em caso afirmativo, posso usar codificação simulada / tratamento? Eu também tenho algumas outras variáveis preditoras. Estou anexando o modelo com isso,
model1 <- lmer(rt ~ emotion + trial + emotion*trial + age + emotion*trial*age + (1|participant)
Os resultados obtidos são os seguintes:
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
Como devo interpretar esses dados? Preciso mencionar a codificação de variável e, em caso afirmativo, por que é importante?
Respostas
É necessário codificar minhas variáveis? Em caso afirmativo, posso usar codificação simulada / tratamento?
R usará a codificação de tratamento por padrão.
Como devo interpretar esses dados?
A interpretação dos efeitos fixos é a mesma de um modelo linear:
a interceptação é o valor esperado da resposta viável quando todas as outras variáveis são zero, ou para variáveis categóricas, em seu nível de referência.
para uma variável que não está envolvida em uma interação, a estimativa é a associação de uma mudança de 1 unidade nessa variável, ou a diferença entre o nível de referência e o nível estimado para variáveis categóricas, deixando todas as outras variáveis inalteradas.
para uma variável que está envolvida em uma interação, a estimativa é a associação de uma mudança de 1 unidade naquela variável, ou a diferença entre o nível de referência e o nível estimado para variáveis categóricas, quando a outra variável com a qual ela está interagindo é zero (ou em seu nível de referência)
as interações são interpretadas como a diferença na inclinação para uma variável contínua (ou a diferença no resultado entre o nível de referência, e o nível estimado, para uma variável categórica) quando a outra variável muda por unidade (ou muda do nível de referência para o nível estimado no caso de uma variável categórica). Os diferentes tipos de interações foram discutidos muitas vezes em outro lugar no site:
Como interpretar interações bidirecionais na modelagem Linear Mixed Effects?
Como interpretar a interação entre duas variáveis categóricas
Como interpretar uma interação bidirecional em um modelo
de interação de 3 vias Interpretação do termo de interação
como interpretar o termo de interação na fórmula lm em R?
Preciso mencionar a codificação de variável e, em caso afirmativo, por que é importante?
Não faz mal mencionar que codificação você usa, mas eu digo que, a menos que você esteja usando algo diferente da codificação de tratamento, ou perpahs se outro esquema de codificação foi geralmente usado em sua área, não é necessário.