Estoy ajustando un modelo de efectos mixtos lineales (usando lmer), y quiero obtener valores p a través de la comparación de modelos. Por lo que entiendo, el procedimiento es: (i) crear un modelo anidado idéntico al modelo grande menos una de las variables que desea probar; (ii) comparar el modelo grande con el modelo anidado, el valor p de esta comparación se atribuye a la variable excluida; (iii) repetir esto para cada una de las variables (es decir, cada modelo anidado se compara con el modelo grande).
¿Qué sucede cuando pruebo un efecto principal, y el modelo incluye un término de interacción de este factor con algún otro factor? Aprendí de otros hilos que es incorrecto tener términos de nivel superior sin los de nivel inferior (este, o este, pero mi comprensión matemática es limitada). Y sin embargo, parece que la comparación de modelos se hace de forma estándar para obtener valores p de efectos principales incluso cuando se incluyen términos de interacción (por ejemplo, mediante el uso de la función mixed() del paquete afex con el método LRT, o construyendo manualmente un modelo anidado con una intteracción pero sin un efecto principal).
Mi pregunta es en realidad doble:
-
¿Es incorrecto depender de la comparación de modelos para los valores p de los efectos principales cuando tengo una interacción? ¿O hace la función
mixed()(con el método LRT) algo diferente al procedimiento descrito anteriormente? -
Suponiendo que todos los contrastes son ortogonales, no entiendo por qué es incorrecto tener una interacción sin un efecto principal. Con contrastes ortogonales, ¿no es la variabilidad explicada por la interacción independiente de la variabilidad de los efectos principales?
