Tengo una pregunta sobre mi uso de un modelo mixto / lmer. El modelo básico es este:
lmer(DV ~ group * condition + (1|pptid), data= df)
El grupo y la condición son factores: el grupo tiene dos niveles (grupo A, grupo B) y la condición tiene tres niveles (condición1, condición2, condición3). Son datos de sujetos humanos, por lo que pptid es un efecto aleatorio para cada persona.
El modelo encontró lo siguiente con salida de valor p:
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
Ahora, sé que las filas enumeradas comparan cada nivel de los factores con el nivel de referencia. Para el grupo, la referencia es el grupo A y para la condición, la referencia es la condición1.
¿Sería correcto interpretar esta salida de la siguiente manera:
- No hay diferencias generales entre los grupos (de ahí que el grupo B tenga una p> 0.05)
- Diferencias generales entre la condición 1 y la condición 2, y entre la condición 1 y la condición 3.
- Diferencias entre el grupo A, condición 1 versus grupo B, condición 2 y también entre grupo A, condición 1 versus grupo B, condición 3.
¿Es eso correcto? Creo que estoy un poco confundido acerca de cómo interpretar esto con respecto a las interacciones entre niveles de dos factores diferentes.
He leído varias preguntas aquí e hice algunas búsquedas en la web, y logré establecer contrastes con glht: ¿sería esa una mejor manera de ver las diferencias entre los grupos y las condiciones? Pensé que ese sería el caso dados los signos de interacciones que están presentes aquí.