Interação em modelos lineares mistos com função lmer()
Página 1 de 1
Interação em modelos lineares mistos com função lmer()
Olá, pessoal
Sou estudante de psicolinguística na PUC-Rio com alguns (parcos) conhecimentos em estatística e estou com um probleminha com a função lmer(), do pacote lme4 (Pinheiro & Bates, 2000). Basicamente, tenho um experimento com dois fatores fixos (Ant e V), sendo que cada fator tem dos níveis (Ant: np e pp; V: sg e pl). Montei, então, o seguinte modelo RT ~ Ant*Verbo + (1| Sujeitos) + (1 | Itens), com intercepts para Sujetos e Itens e interação para os efeitos fixos.
O meu problema é o seguinte: como output para os efeitos fixos, tenho:
Fixed effects:
Estimate Std. Error t value
(Intercept) 734.71 71.19 10.320
Antpp 7.00 49.72 0.141
Vsg 116.93 76.71 1.524
Antpp:Vsg -192.32 70.30 -2.736
Como se pode ver, o programa modelou as condições Ant_np e V_pl para caírem no intercept e me deu como interação a condição Antpp:Vsg. Com isso, eu posso comparar essa interação com a condição Antnp:Vpl, mas, com esse design experimental, eu tenho 4 condições (fruto do cruzamento dos dois níveis dos fatores fixos, a saber: Antpp:Vsg / Antpp:Vpl / Antnp:Vsg / Antnp:Vpl) e, através do output do R, não consigo encontrar os índices das condições Antpp:Vpl ou Antnp:Vsg.
Em outras palavras, com esse modelo que montei, eu tenho como dizer que o efeito da interação Antpp:Vsg é significativo (e sei que ele está sendo contrastado com o da condição Antnp:Vpl, que foi modelada no intercept), mas não posso dizer nada sobre a outras duas condições, pois elas não podem ser comparadas diretamente. Portanto, eu gostaria de saber se é possível, de alguma maneira, conseguir os índices para uma dessas duas condições, pois aí posso fazer a comparação entre elas.
Peço desculpas, desde já, pois posso estar partindo de um princípio errado também, acreditando que essa comparação é feita com o modelo linear misto quando na verdade não é. Existiria alguma outra estratégia para comparar essas condições? Por exemplo, no modelo da ANOVA, tenho apenas os efeitos principais, tendo que fazer um teste de comparação de médias (TukeyHSD, Teste t, etc) para verificar quais são diferentes. É assim também no modelo linear misto?
Agredeço àqueles que puderem dar uma ajudinha com esse problema e espero estar contribuindo para a discussão aqui no fórum.
Um grande abraço a todos
Igor Costa
Sou estudante de psicolinguística na PUC-Rio com alguns (parcos) conhecimentos em estatística e estou com um probleminha com a função lmer(), do pacote lme4 (Pinheiro & Bates, 2000). Basicamente, tenho um experimento com dois fatores fixos (Ant e V), sendo que cada fator tem dos níveis (Ant: np e pp; V: sg e pl). Montei, então, o seguinte modelo RT ~ Ant*Verbo + (1| Sujeitos) + (1 | Itens), com intercepts para Sujetos e Itens e interação para os efeitos fixos.
O meu problema é o seguinte: como output para os efeitos fixos, tenho:
Fixed effects:
Estimate Std. Error t value
(Intercept) 734.71 71.19 10.320
Antpp 7.00 49.72 0.141
Vsg 116.93 76.71 1.524
Antpp:Vsg -192.32 70.30 -2.736
Como se pode ver, o programa modelou as condições Ant_np e V_pl para caírem no intercept e me deu como interação a condição Antpp:Vsg. Com isso, eu posso comparar essa interação com a condição Antnp:Vpl, mas, com esse design experimental, eu tenho 4 condições (fruto do cruzamento dos dois níveis dos fatores fixos, a saber: Antpp:Vsg / Antpp:Vpl / Antnp:Vsg / Antnp:Vpl) e, através do output do R, não consigo encontrar os índices das condições Antpp:Vpl ou Antnp:Vsg.
Em outras palavras, com esse modelo que montei, eu tenho como dizer que o efeito da interação Antpp:Vsg é significativo (e sei que ele está sendo contrastado com o da condição Antnp:Vpl, que foi modelada no intercept), mas não posso dizer nada sobre a outras duas condições, pois elas não podem ser comparadas diretamente. Portanto, eu gostaria de saber se é possível, de alguma maneira, conseguir os índices para uma dessas duas condições, pois aí posso fazer a comparação entre elas.
Peço desculpas, desde já, pois posso estar partindo de um princípio errado também, acreditando que essa comparação é feita com o modelo linear misto quando na verdade não é. Existiria alguma outra estratégia para comparar essas condições? Por exemplo, no modelo da ANOVA, tenho apenas os efeitos principais, tendo que fazer um teste de comparação de médias (TukeyHSD, Teste t, etc) para verificar quais são diferentes. É assim também no modelo linear misto?
Agredeço àqueles que puderem dar uma ajudinha com esse problema e espero estar contribuindo para a discussão aqui no fórum.
Um grande abraço a todos
Igor Costa
Igor de Oliveira Costa- Mensagens : 2
Data de inscrição : 17/05/2013
Respondendo a mim mesmo
Caros, vou aqui tentar responder à minha própria questão, e me digam se estou perto da verdade, pelo menos.
A questão é que a tabela de regressão que o R me fornece já permite com que eu possa calcular os valores estimados para os efeitos de interação, da seguinte maneira:
Efeitos principais
Ant
NP = 734.71 (Intercept)
PP = (734.71 + 7.00) = 741.71
Verbo
PL = 734.71 (Intercept)
SG = 734.71 + 116.93 = 851.64
Interações
PP:SG = (734.71 - 192.32) = 542.39 {dado pelo output do R}
PP:PL --> = 741.71 {=efeito de PP, pois essa interação é igual a efeito de PP (734.71 + 7.00) - Intercept (734.71) = 7.00}
NP:SG --> 851.64 {semelhante ao anterior, só que, em vez de PP, temos que é igual a SG (734.71 + 116.93) = 851.64}
NP:PL --> 734.71 {efeito modelado no intercept}
Acho que é isso. Cheguei a essa conclusão lendo esta: http://stats.stackexchange.com/questions/33709/interpreting-the-regression-output-from-a-mixed-model-when-interactions-between e esta: http://pidgin.ucsd.edu/pipermail/r-lang/2012-November/000393.html discussões.
A questão é que a tabela de regressão que o R me fornece já permite com que eu possa calcular os valores estimados para os efeitos de interação, da seguinte maneira:
Efeitos principais
Ant
NP = 734.71 (Intercept)
PP = (734.71 + 7.00) = 741.71
Verbo
PL = 734.71 (Intercept)
SG = 734.71 + 116.93 = 851.64
Interações
PP:SG = (734.71 - 192.32) = 542.39 {dado pelo output do R}
PP:PL --> = 741.71 {=efeito de PP, pois essa interação é igual a efeito de PP (734.71 + 7.00) - Intercept (734.71) = 7.00}
NP:SG --> 851.64 {semelhante ao anterior, só que, em vez de PP, temos que é igual a SG (734.71 + 116.93) = 851.64}
NP:PL --> 734.71 {efeito modelado no intercept}
Acho que é isso. Cheguei a essa conclusão lendo esta: http://stats.stackexchange.com/questions/33709/interpreting-the-regression-output-from-a-mixed-model-when-interactions-between e esta: http://pidgin.ucsd.edu/pipermail/r-lang/2012-November/000393.html discussões.
Igor de Oliveira Costa- Mensagens : 2
Data de inscrição : 17/05/2013
Tópicos semelhantes
» Problemas na função levels
» simulação de redes de interação
» Dúvida em função de maximização (maxLik)
» Função comando
» Erro na função PERSP
» simulação de redes de interação
» Dúvida em função de maximização (maxLik)
» Função comando
» Erro na função PERSP
Página 1 de 1
Permissões neste sub-fórum
Não podes responder a tópicos
|
|