Proporcionar la Cei para la comparación de punto de interacción de las estimaciones a través de los conjuntos de datos?

Question

Tengo más de una lluvia de ideas de tipo de pregunta para los estadísticos y me gustaría saber qué están tus pensamientos. Voy a describir mi conjuntos de datos, así que usted puede juzgar qué tipo de problema estadístico que implican.

Tengo dos idiomas diferentes experimentos: uno fue hecho con hablantes de español y se hizo con hablantes de inglés. Ambos experimentos tienen exactamente el mismo diseño: 2 y 2 dentro de los temas de diseño, en el cruce de dos factores, "grammaticality" (gramaticales/gramático palabra) y "número" (singular/plural de la palabra). Estoy interesado en la interacción entre estos dos factores. Cuando ejecuto mi modelo estadístico (anova utilizando lmer en R) puedo conseguir una interacción significativa en ambos casos: beta / el coeficiente es significativamente diferente de 0, con p <0.05

Mi objetivo es comparar el valor de la beta entre los dos conjuntos de datos (ya que tengo dos experimentos, tengo una beta de valor para el español experimento y una beta valor de la experiencia inglesa). Con el fin de hacer eso, yo estaba pensando en ofrecer la beta de valor para cada experimento y obtener un intervalo de confianza para cada una beta, con el objetivo de mostrar que los dos valores (y sus CIs) no son diferentes.

Estoy tratando de averiguar cuál es la forma más adecuada de calcular el 95% de la Cei. He pensado en hacer bootstrapping como una forma de llegar a ellos. Así que supongo que mis preguntas son:

1. Es de esta manera (siempre que los betas para el inglés y el español y el 95% de bootstrap CIs?) una clara forma de comparar a través de experimentos? (es decir, hay otros más apropiado estadística maneras de hacer la comparación entre las lenguas?)

2. Es el arranque de una adecuada manera de hacer llegar el CIs? Y si no, ¿cómo podría conseguirlos?

Quisiera saber si esto era poco clara o si me necesitas para expandir y gracias!

Answer 1

El software debe proporcionar un error estándar para su beta coeffcient para la interacción. Baayen (2008) recomienda lo siguiente para calcular el CI de los coeficientes y se utiliza el bootstrap.

# assuming m is your lmer model
mc <- MCMCSamp(m, 1000)
HPDinterval(mc)$fixef

Usted parece estar claro cuál es la beta de valor que realmente representa. Podría estar equivocado, pero para otros lectores, así, en un 2x2 que debe ser igual a (A1 - A2) - (B1 - B2). Y porque es un efecto de la CI puede ser utilizado de la manera tradicional a través de experimentos.

Usted podría haber sido el pensamiento de los intervalos de confianza alrededor de los valores de la predicción cuando se han de medidas repetidas (algo así como el viejo Loftus & Masson recomendación o "estrecho de inferencia" CI, Blouin Y Riopelle; 2005). Aquellos que a menudo no pueden ser comparadas a través de experimentos. En medidas repetidas y multi-nivel de la modelización de una CI en torno a la predicción de valor de la condición es significativo a través de experimentos o dentro, pero no tanto.