Comment examiner les interactions entre facteur et covariable dans un modèle à effets mixtes?

8

J'ai 2 facteurs Aet B(5 × 3) et une covariable Xdans une conception intra-sujet. Voici comment je spécifie mon modèle global:

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

Mon interprétation est que je regarde un graphique y~x, où la pente change en raison de la covariable, et la ligne se déplace vers le haut ou vers le bas en fonction des différents niveaux de Aet B(changements dans les intersections).

Ce que je veux savoir, c'est: si je devais fixer le facteur A(prendre l'un des niveaux), puis en regardant les lignes ( y~x), quel est l'effet de B? Les niveaux de Bdécalage de la ligne vers le haut ou vers le bas (interceptions) ou modifient-ils la pente de la ligne ( X).

Dois-je exécuter une sorte d'analyse des contrastes? Mais je ne sais pas comment fonctionnent les contrastes entre les facteurs et les covariables.

Une façon que je pouvais penser est de prendre les sous - ensembles de données correspondant à différents niveaux de A et de créer des modèles tels que: lme(y~ B+X, random=~1|Subject, data=mydata[which(mydata$A = A1,]). De cette façon, je pouvais comparer les intersections et les pentes résultantes à travers ces modèles.

Quelqu'un peut-il me dire si ce que je fais est logique? Des suggestions de toute nature seraient grandement appréciées!

Wynn
la source
2
Voulez-vous simplement créer des graphiques pour examiner ces relations? Je pense que c'est une bonne idée. Vous pouvez le faire avec latticeou ggplotou des graphiques de base en Rfonction de ce qui vous convient le mieux.
Peter Flom
Merci Peter. J'ai regardé les graphiques. Puisque j'ai des hypothèses sur la façon dont ils se comporteraient, j'espère pouvoir les analyser formellement.
Wynn
2
Sachez que "mon interprétation est que je regarde un graphique y ~ x, où la pente change en raison de la covariable, et la ligne se déplace vers le haut ou vers le bas en fonction des différents niveaux de A et B (changements dans les intersections)." est un peu de: la façon dont vos effets fixes sont configurés (A B X), vous estimez une interception différente ET UNE PENTE EN X pour chaque combinaison des niveaux de A et B.
fabians

Réponses:

1

Pour visualiser les termes d'interaction, vous pouvez regarder le paquet sjPlot ( voir les exemples ici ).

Votre appel de fonction serait

sjp.int(fit, type ="eff")

Je ne sais pas, cependant, si cela répond à vos besoins?

Daniel
la source
0

Personnellement, je pense que si vous voulez examiner la véritable relation entre Y et les facteurs de votre modèle après avoir contrôlé X, vous devriez regarder les moyennes ajustées plutôt que brutes calculées à partir de votre modèle préféré. Pour les besoins, il existe des packages R tels que lsmeans qui sont assez pratiques et conviviaux!

user1442363
la source