交流(统计建议)

Question

我需要帮助理解并跟踪使用glmer()从lme4获得的交互。

这些数据来自一个语言处理实验，该实验研究了三个范畴变量(控制/copula/性别)对二项式反应的影响(偏好或不喜欢)。每一个实验因素都有两个层次:控制(主客体)、性(ser/estar)、性别(男性/女性)。

我运行以下模型：

model1= glmer(preferences~control*copula*gender+(1|participant), family=binomial, data=data2)

这些是我得到的结果：

Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
 Family: binomial  ( logit )
Formula: preferences_narrow ~ control * copula * gender + (1 | participant)
   Data: data2

     AIC      BIC   logLik deviance df.resid 
  1208.6   1261.1   -595.3   1190.6     2517 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-8.6567  0.1970  0.2337  0.2883  0.5371 

Random effects:
 Groups      Name        Variance Std.Dev.
 participant (Intercept) 0.254    0.504   
Number of obs: 2526, groups:  participant, 105

Fixed effects:
                                    Estimate Std. Error z value Pr(>|z|)    
(Intercept)                           2.5034     0.2147  11.660  < 2e-16 ***
controlsubject                        0.4882     0.3172   1.539  0.12380    
copulaser                             0.4001     0.3237   1.236  0.21646    
gendermasc                           -0.4524     0.2659  -1.701  0.08888 .  
controlsubject:copulaser             -1.0355     0.4526  -2.288  0.02215 *  
controlsubject:gendermasc             0.5790     0.4430   1.307  0.19121    
copulaser:gendermasc                  1.7343     0.5819   2.980  0.00288 ** 
controlsubject:copulaser:gendermasc  -1.3121     0.7540  -1.740  0.08181 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
             (Intr) cntrls coplsr gndrms cntrlsbjct:c cntrlsbjct:g cplsr:
contrlsbjct  -0.602                                                      
copulaser    -0.588  0.401                                               
gendermasc   -0.724  0.488  0.479                                        
cntrlsbjct:c  0.415 -0.701 -0.716 -0.342                                 
cntrlsbjct:g  0.432 -0.716 -0.287 -0.599  0.502                          
cplsr:gndrm   0.332 -0.223 -0.556 -0.457  0.397        0.274             
cntrlsbjc::  -0.252  0.421  0.430  0.352 -0.600       -0.588       -0.772

controlsubject:copulaser和copulaser:gendermasc有两种重要的交互作用。

在第一次互动之后，我使用电子邮件的方式进行了跟踪：

emmeans(model1, list(pairwise ~ control + copula), adjust = "tukey")

结果似乎表明，多重对比推动了交互(当我对第二次交互做同样的事情时，也会发生类似的事情)：

NOTE: Results may be misleading due to involvement in interactions
$`emmeans of control, copula`
 control copula   emmean        SE  df asymp.LCL asymp.UCL
 object  estar  2.277256 0.1497913 Inf  1.983670  2.570841
 subject estar  3.054906 0.1912774 Inf  2.680009  3.429802
 object  ser    3.544448 0.2697754 Inf  3.015698  4.073198
 subject ser    2.630568 0.1752365 Inf  2.287110  2.974025

Results are averaged over the levels of: gender 
Results are given on the logit (not the response) scale. 
Confidence level used: 0.95 

$`pairwise differences of control, copula`
 contrast                       estimate        SE  df z.ratio p.value
 object,estar - subject,estar -0.7776499 0.2215235 Inf  -3.510  0.0025
 object,estar - object,ser    -1.2671927 0.2910689 Inf  -4.354  0.0001
 object,estar - subject,ser   -0.3533119 0.2088155 Inf  -1.692  0.3279
 subject,estar - object,ser   -0.4895427 0.3138092 Inf  -1.560  0.4017
 subject,estar - subject,ser   0.4243380 0.2396903 Inf   1.770  0.2877
 object,ser - subject,ser      0.9138807 0.3048589 Inf   2.998  0.0145

Results are averaged over the levels of: gender 
Results are given on the log odds ratio (not the response) scale. 
P value adjustment: tukey method for comparing a family of 4 estimates 

然而，这张便条意味着什么呢？

NOTE: Results may be misleading due to involvement in interactions

这是跟进这些互动的好程序吗？

谢谢！)

Answer 1

如说明所示，所显示的估计数是对照、科普拉拉和性别组合的平均预测数，其平均值高于性别。同时，该模型包含了性别和其他两个因素之间的相互作用，这表明这些平均数可能没有意义。您可以通过构造一个3向预测的图来可视化这一点：

emmip(model1, gender ~ control * copula)

如果预测在不同的情况下有很大的不同，那么它们的平均值将是无稽之谈。但是，如果他们的比较差不多，那就可以把他们平均了。这就是警告的意义所在。

我猜你是为了担心与性别的互动而见面的--在这种情况下，你应该分别做比较：

emmeans(model1, pairwise ~ control * copula | gender)