тест на значимость взаимодействия в линейных смешанных моделях в NLME в R
я используюlme
функция вnlme
Пакет R для проверки уровня факторовitems
имеет значительное взаимодействие с уровнями фактораcondition
, Факторcondition
имеет два уровня:Control
а такжеTreatment
и факторitems
имеет 3 уровня:E1,...,E3
, Я использую следующий код:
f.lme = lme(response ~ 0 + factor(condition) * factor(items), random = ~1|subject)
гдеsubject
это случайный эффект. Таким образом, когда я бегу:
summary(f.lme)$tTable
Я получу следующий вывод:
factor(condition)Control
factor(condition)Treatment
factor(items)E2
factor(items)E3
factor(condition)Treatment:factor(items)E2
factor(condition)Treatment:factor(items)E3
вместе сValue, Std.Error, DF, t-value, p-value
колонны. У меня есть два вопроса:
Если я хочу сравнитьControl
противTreatment
, я просто буду использоватьestimable()
функция вgmodels
и сделать контраст(-1,1,0,0,0,0)
?
Меня интересуют ли уровниitems
т.е.E1, E2, E3
разные поcondition
поэтому меня интересует, значимы ли условия взаимодействия (просто проверяяp-value
колонка ??):
factor(condition)Treatment:factor(items)E2 factor(condition)Treatment:factor(items)E3
Тем не менее, как я могу сказать, еслиfactor(condition)Treatment:factor(items)E1
это важно или нет? Это не показано в итоговом выводе, и я думаю, что это как-то связано с контрастом, используемым в R ... Большое спасибо!