Etkileşim etkisi önemli olmadığında ana efektler nasıl yorumlanır?

R'de Genelleştirilmiş Doğrusal Karışık Model çalıştırdım ve iki öngörücü arasında bir etkileşim etkisi ekledim. Etkileşim anlamlı değildi, ancak ana etkiler (iki öngörücü) her ikisi de vardı. Şimdi birçok ders kitabı örneği, etkileşimin önemli bir etkisi varsa, ana etkilerin yorumlanamayacağını söylüyor. Peki ya etkileşiminiz önemli değilse?

İki öngörücünün yanıt üzerinde bir etkisi olduğu sonucuna varabilir miyim? Yoksa etkileşimi bıraktığım yerde yeni bir model çalıştırmak daha mı iyi? Bunu yapmamayı tercih ederim, çünkü daha sonra çoklu testler için kontrol etmek zorunda kalacağım.

Biraz sallanma

'Şimdi birçok ders kitabı örneği bana etkileşimin önemli bir etkisi varsa, ana etkilerin yorumlanamayacağını söylüyor'

Umarım bu doğru değildir. X ile Z arasında XZ adı verilen bir etkileşim terimi varsa, X ve Z için ayrı katsayıların yorumlanmasının , XZ'nin mevcut olmadığı gibi yorumlanamayacağını söylemeliler . Kesinlikle yorumlayabilirsiniz.

soru 2

Etkileşim teorik bir anlam ifade ediyorsa, bir sebepten dolayı istatistiksel verimlilik endişeleri yanlış tanımlanma ve teorinizin ve modelinizin ayrışmasına izin verme endişelerini geçersiz kılmadığı sürece, onu bırakmamaya gerek yoktur.

Bunu göz önüne alındığında gelmiş etkileşim anlamlı sanki aynı şekilde marjinal efektler kullanarak sonra modelinizi yorumlamak, onu bıraktı. Referans olarak, etkileşim modellerinin nasıl yorumlanacağını ve ortak tuzaklardan nasıl kaçınılacağını açıklayan Brambor, Clark ve Golder'e (2006) bir bağlantı ekliyorum .

Bunu şu şekilde düşünün: Modelde genellikle anlamlı olmadığı ortaya çıkan kontrol değişkenleri vardır, ancak eksik yıldızların ilk işaretinde onları kesmeyin (veya etmemelisiniz).

Soru 1

'İki öngörücünün yanıt üzerinde bir etkisi olduğu sonucuna varabilir misiniz?' Görünüşe göre yapabilirsin, ama daha iyisini de yapabilirsin. Etkileşim terimi ile modeli için iki belirleyiciler aslında ne etkisi bildirebilirsiniz var etkileşim önemli ya modelde bile mevcut olup olmadığını kayıtsız bir şekilde bağımlı değişken (marjinal etkileri) üzerine.

Alt çizgi

Etkileşimi kaldırırsanız, modeli yeniden belirtirsiniz. Bu, bazı teorik ve bazı istatistiksel olarak birçok nedenden dolayı makul bir şey olabilir, ancak katsayıları yorumlamayı kolaylaştırmak bunlardan biri değildir.

Koşulsuz ana efekti istiyorsanız evet, etkileşim terimi olmadan yeni bir model çalıştırmak istiyorsunuz çünkü bu etkileşim terimi koşulsuz ana efektlerinizi doğru bir şekilde görmenize izin vermiyor. Mevcut etkileşim ile hesaplanan ana etkiler, tipik olarak ANOVA gibi bir şeyde yorumlandığı için ana etkilerden farklıdır. Örneğin, önemsiz ve anlamlı olmayan bir etkileşime sahip olmak, etkileşim modeldeyken ana etkilerin belirgin olmayacağı mümkündür.

Diyelim ki A ve B olmak üzere iki öngörücünüz var. Etkileşim terimini eklediğinizde, A'nın büyüklüğünün B'ye ve tersine değişmesine izin verilir. A için regresyon çıktısında bildirilen beta katsayısı o zaman birçok olası değerden sadece biridir. Varsayılan değer, B'nin 0 ve etkileşim terimi 0 olduğu durumlarda A katsayısını kullanmaktır. Ancak, regresyonun sadece katkı maddesi olduğu durumlarda A'nın B arasında değişmesine izin verilmez ve A'nın ana etkisini yalnızca B. Etkileşim önemsiz olsa bile bunlar çok farklı değerler olabilir çünkü farklı şeyler ifade ederler. Katkı modeli, ana etkiyi gerçekten değerlendirmenin tek yoludur. Öte yandan, etkileşiminiz anlamlı olduğunda (teorik olarak, istatistiksel olarak değil) ve modelinizde tutmak istiyorsanız, A'yı değerlendirmenin tek yolu, B düzeylerine bakmaktır. Aslında bu, A'nın önemli olup olmadığı değil, etkileşim açısından dikkate almanız gereken türden bir şeydir. Katkı modelinde A'nın koşulsuz bir etkisi olup olmadığını gerçekten görebilirsiniz.

Bu nedenle, modeller çok farklı şeylere bakıyor ve bu çoklu test konusu değil. Sen gerekir ona iki yöne bakmak. Önem temelinde karar veremezsiniz. Raporlamanın en iyi ana etkisi, katkı modelidir. Teorik konulara veya veri sunumu konularına vb. Dayalı önemli olmayan etkileşimi dahil etmeye veya sunmaya karar verirsiniz.

(Bu, potansiyel çoklu test sorunlarının olmadığı anlamına gelmez. Ancak ne anlama geldikleri, testleri yönlendiren teoriye büyük ölçüde bağlıdır.)

Ana etkiler önemliyse, ancak etkileşim değilse, önerdiğiniz gibi ana efektleri yorumlamanız yeterlidir.

Etkileşim olmadan başka bir model çalıştırmanıza gerek yoktur (parametreleri önemine göre hariç tutmak genellikle en iyi tavsiye değildir, burada bunu tartışan birçok cevap vardır). Sonuçları olduğu gibi almanız yeterlidir.