¿Cómo examinar las interacciones entre factor y covariable en un modelo de efectos mixtos?


8

Tengo 2 factores Ay B(5 × 3) y una covariable Xen un diseño dentro de la asignatura. Así es como especifico mi modelo general:

lme.out = lme(y~ A*B*X, random=~1|Subject, data=mydata)

Mi interpretación es que estoy mirando un gráfico y~x, donde la pendiente cambia debido a la covariable, y la línea se mueve hacia arriba o hacia abajo en función de los diferentes niveles de Ay B(cambios en las intersecciones).

Lo que quiero descubrir es: si tuviera que corregir el factor A(tomar cualquiera de los niveles), luego mirando las líneas ( y~x), ¿de qué se trata B? ¿Los niveles de Bdesplazamiento desplazan la línea hacia arriba o hacia abajo (intercepta) o altera la pendiente de la línea ( X)?

¿Debo ejecutar algún tipo de análisis de contrastes? Pero no estoy seguro de cómo funcionan los contrastes entre factores y covariables.

Una forma de lo que podía pensar es tomar los subconjuntos de datos correspondientes a diferentes niveles de A y crear modelos tales como: lme(y~ B+X, random=~1|Subject, data=mydata[which(mydata$A = A1,]). De esta manera, podría comparar las intersecciones y pendientes resultantes en estos modelos.

¿Alguien puede decirme si lo que estoy haciendo tiene sentido? ¡Sugerencias de cualquier tipo serían muy apreciadas!


2
¿Solo quieres hacer gráficos para observar estas relaciones? Creo que es una buena idea. Puede hacerlo con latticeo con ggplotgráficos básicos Rsegún lo que le resulte más cómodo.
— Peter Flom

Gracias Peter Miré los gráficos. Como tengo hipótesis sobre cómo se comportarían, espero poder analizarlas formalmente.
— Wynn

2
Tenga en cuenta que "Mi interpretación es que estoy viendo un gráfico y ~ x, donde la pendiente cambia debido a la covariable, y la línea se mueve hacia arriba o hacia abajo en función de los diferentes niveles de A y B (cambios en las intersecciones)". es un poco de: la forma en que se configuran sus efectos fijos (A B X), está estimando una intercepción diferente Y PENDIENTE EN X para cada combinación de los niveles de A y B.
— fabianos

Respuestas:



0

Personalmente, creo que si desea examinar la verdadera relación entre Y y los factores en su modelo después de controlar por X, debería mirar los medios ajustados graficados en lugar de los medios brutos calculados a partir de su modelo favorito. A los efectos, hay paquetes R como lsmeans que son bastante prácticos y fáciles de usar.


Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.