Cómo interpretar los principales efectos cuando el efecto de la interacción no es significativa?

Question

Me encontré con una Lineales Generalizados Mixtos Modelo en R, e incluye un efecto de interacción entre dos predictores. La interacción no fue significativa, pero los efectos principales (los dos predictores), ambos se fueron. Ahora muchos ejemplos de libro que me dicen que si hay un efecto significativo de la interacción, los principales efectos no pueden ser interpretados. Pero lo que si su interacción no es significativo?

Puedo concluir que los dos predictores tienen un efecto en la respuesta? O es mejor ejecutar un nuevo modelo donde dejo a un lado la interacción? Yo prefiero no hacerlo, porque me permitiría tener el control de múltiples ensayos.

Answer 1

Un pequeño problemita

"Ahora muchos ejemplos de libro que me dicen que si hay un efecto de la interacción, los principales efectos no pueden ser interpretadas'

Espero que no sea cierto. Se debe decir que si hay un término de interacción, dicen que entre X y Z llamado XZ, a continuación, la interpretación de la individual de los coeficientes de X y de Z no puede ser interpretado de la misma manera como si XZ no estaban presentes. Definitivamente, usted puede interpretarlo.

Pregunta 2

Si la interacción hace sentido teórico, entonces no hay razón para no salir de ella, a menos que las preocupaciones por la eficacia estadística por alguna razón reemplazar las preocupaciones acerca de misspecification y permitiendo que su teoría y su modelo a divergir.

Dado que usted tiene a la izquierda, luego de interpretar su modelo de uso de los efectos marginales de la misma manera como si la interacción fue significativa. Para referencia, que incluyen un enlace a Brambor, Clark y Golder (2006) , que explican cómo interpretar los modelos de interacción y cómo evitar los errores comunes.

Piénsalo de esta manera: usted tiene a menudo el control de variables en un modelo que resultan no ser importante, pero no es (o no debería) ir a picar en la primera señal de falta de estrellas.

Pregunta 1

Usted pregunta si se puede " a la conclusión de que los dos predictores tienen un efecto en la respuesta?' Al parecer, usted puede, pero usted también puede hacer mejor. Para el modelo con el término de interacción puede informar de cuál es el efecto que los dos predictores en realidad tienen sobre la variable dependiente (efectos marginales), en una manera que es indiferente si la interacción es significativa, o incluso presentes en el modelo.

La Parte Inferior De La Línea De

Si se quita la interacción que se re-especificar el modelo. Esto puede ser una cosa razonable para hacerlo por muchos motivos, algunos teóricos y estadísticos, pero lo que es más fácil interpretar los coeficientes no es uno de ellos.

Answer 2

Si desea que el incondicional efecto principal, a continuación, sí desea ejecutar un nuevo modelo sin término de interacción debido a que el término de interacción es la que no permite ver su incondicional efectos principales correctamente. Los principales efectos se calcula con la interacción presentes son diferentes de los efectos principales como uno normalmente se interpreta en algo como ANOVA. Por ejemplo, es posible tener un trivial y no obteniendo la interacción de los efectos principales no ser aparente cuando la interacción es en el modelo.

Digamos que usted tiene dos factores, a y B. Cuando se incluye el término de interacción, a continuación, la magnitud de a es permitido variar en función de B y viceversa. Se reportó el coeficiente beta de la regresión de salida de Una es sólo uno de los muchos valores posibles. El valor predeterminado es utilizar el coeficiente de Un para el caso cuando B es 0 y el término de interacción es 0. Pero, cuando la regresión es sólo Un aditivo no está permitido variar a lo largo de B y que acaba de obtener el efecto principal de Un sistema independiente de B. Estos pueden ser valores muy diferentes, incluso si la interacción es trivial, pues significan cosas diferentes. El modelo aditivo es la única manera de evaluar el efecto principal de por sí. Por otro lado, cuando la interacción es significativa (teóricamente, no estadísticamente) y desea mantenerlo en su modelo, la única forma de evaluar Una está mirando a través de los niveles de B. Que en realidad es el tipo de cosa que usted tiene que considerar con respecto a la interacción, no se si es significativo. Realmente sólo puedes ver si hay incondicional a efecto de que en el modelo aditivo.

Así, los modelos están buscando cosas muy diferentes y esto no es un problema de múltiples pruebas. Usted debe mirar a ambos lados. Usted no se decide basándose en la significación. El mejor efecto principal de informe es del modelo aditivo. De tomar una decisión sobre la inclusión o la presentación de los no significativo de la interacción basada en cuestiones teóricas, o la presentación de datos de problemas, etc.

(Esto no es para decir que no hay potencial de pruebas múltiples cuestiones aquí. Pero, lo que significa que depende en gran medida en la teoría de la conducción de las pruebas.)

Answer 3

Si los principales efectos son significativos, pero no la interacción simplemente interpretar los principales efectos, como usted sugiere.

Usted no necesita ejecutar otro modelo sin interacción (en general no es el mejor consejo para excluir a los parámetros que se basan en importancia, hay muchas respuestas discutiendo aquí). Acaba de tomar los resultados como son.