Pomóc zinterpretować fabułę interakcji?

9

Mam problem z interpretacją wykresów interakcji, gdy występuje interakcja między dwiema zmiennymi niezależnymi.

Poniższe wykresy pochodzą z tej strony:

Tutaj i są zmiennymi niezależnymi, a jest zmienną zależną.ABDV

Pytanie: Występuje interakcja i główny efekt , ale brak głównego efektuAB

wprowadź opis zdjęcia tutaj

Można zauważyć, że im wyższa wartość , tym wyższa wartość , jeżeli B jest inaczej, jest stała, niezależnie od wartości . Dlatego istnieje interakcja między i i głównym efektem (ponieważ wyższa prowadzi do wyższej , utrzymując stałą na ).ADVB1DVAABAADVBB1

Widzę też, że różne poziomy doprowadzą do różnych poziomów , utrzymując stałeDlatego istnieje główny efekt B. Ale najwyraźniej tak nie jest. To musi oznaczać, że źle interpretuję fabułę interakcji. Co ja robię źle?BDVA

Błędnie interpretuję także wątek 6-8. Logika, której użyłem do ich interpretacji, jest taka sama jak ta, której użyłem powyżej, więc jeśli znam błąd, który popełniam powyżej, powinienem być w stanie poprawnie zinterpretować resztę. W przeciwnym razie zaktualizuję to pytanie.

mauna
źródło
5
Jak zdefiniowałbyś „główny efekt B”, wiedząc, że istnieje interakcja między A i B?
Scortchi - Przywróć Monikę
Logika, której używasz do interpretacji, jest niejawna. Jeśli źle interpretujesz 6-8, dodaj do swojego pytania nieprawidłowe interpretacje. BTW, twoja interpretacja obecnego wykresu nie dotyczy interakcji jako takiej, ale opis danych, na podstawie których wnioskujesz o interakcji. Czy pytanie naprawdę brzmi „co z tymi wykresami prowadzi do towarzyszącego opisu?” (tj. główny efekt i interakcja)
John
@John Tak, pytanie, które naprawdę chciałem zadać, brzmiało: „co z tymi wykresami prowadzi do towarzyszącego opisu? (Od wykresu 5 do
wykresu

Odpowiedzi:

6

Interpretujesz poszczególne punkty na wykresie i nazywasz to interakcją, ale tak nie jest. Biorąc podany przez ciebie przykład, wyobraź sobie, jak wyglądałby twój opis interakcji, gdyby główny efekt A był znacznie większy. A może gdyby był znacznie mniejszy lub nawet 0. Twój opis by się zmienił, ale ten główny efekt powinien być niezależny od interakcji. Dlatego twój opis dotyczy danych, ale nie interakcji jako takiej.

Musisz odjąć główne efekty, aby zobaczyć tylko interakcję. Gdy to zrobisz, WSZYSTKIE interakcje 2x2 wyglądają jak ostatnie na stronie, do której się odwołujesz, symetryczne „X”. Na przykład w połączonym dokumencie znajduje się zestaw danych

    A1 A2
B1   8 24
B2   4  6

Widoczne są główne efekty w wierszach i kolumnach. Jeśli zostaną usunięte, możesz zobaczyć interakcję (pomyśl o poniższych macierzach, które działają jednocześnie).

8 24 -  10.5 10.5 -  5.5  5.5 -  -4.5 4.5 =  -3.5  3.5
4  6    10.5 10.5   -5.5 -5.5    -4.5 4.5     3.5 -3.5

(Odejmowane macierze powyżej można obliczyć jako odchylenia od oczekiwanej średniej wielkiej na podstawie średnich krańcowych. Pierwsza macierz to średnia wielka, 10,5. Druga opiera się na odchyleniu średnich rzędów od średniej średniej. Pierwszy rząd jest o 5,5 wyższy niż średnia średnia itp.)

Po usunięciu głównych efektów interakcję można opisać w wynikach efektu z średniej średniej lub w wyniku różnic w odwróceniu. Przykładem tego drugiego w powyższym przykładzie byłoby „interakcja polega na tym, że efekt B w A1 wynosi 7, a efekt B w A2 wynosi –7”. To stwierdzenie pozostaje prawdziwe niezależnie od wielkości głównych efektów. Podkreśla również, że interakcja dotyczy różnic w efektach, a nie samych efektów.

Teraz rozważ różne wykresy pod linkiem. Głęboko, interakcja ma taki sam kształt, jak opisano powyżej i na wykresie 8, symetryczny X. W takim przypadku efekt B występuje w jednym kierunku na A1, a na drugim w A2 (zauważ, że użycie zwiększonego A w twoim opis sugeruje, że wiesz, że A nie jest kategoryczne). Po dodaniu głównych efektów dzieje się tak, że zmieniają się one wokół ostatecznych wartości. Jeśli właśnie opisujesz interakcję, to ta dla 8 jest odpowiednia dla wszystkich, w których interakcja jest obecna. Jeśli jednak planujesz opisywać dane, najlepszym sposobem jest opisanie efektów i różnic w skutkach. Na przykład dla wykresu 7 może to być: „Oba główne efekty zwiększają się z poziomu 1 do 2,

Jest to zwięzły, dokładny opis danych, danych, w których występuje interakcja, który nie zawiera rzeczywistego opisu interakcji jako takiego. To opis, w jaki sposób główne efekty są modyfikowane przez interakcję. Co powinno wystarczyć, gdy nie podano liczb.

Jan
źródło
3

Kiedy istnieje efekt interakcji między dwoma czynnikami, nie ma sensu mówić o głównych efektach. Nie ma żadnego głównego efektu dla tego rodzaju rozważań, o których wspominasz w swoim poście. Masz rację: efekt poziomu B znasz tylko wtedy, gdy znasz poziom A - więc żadnych efektów głównych.

Na powyższym wykresie, jeśli byłyby główne efekty, ale bez interakcji, twoje dwie linie byłyby równoległe.

Placidia
źródło
4
To jest względne. Duże główne efekty związane z interakcją, szczególnie gdy zmienne niezależne mają rzeczywiście ograniczone skale (podobnie jak zmienne płciowe), zdecydowanie mają znaczenie, nawet jeśli występuje interakcja.
John
2
Mój profesor zawsze podkreśla, że: kiedy już ustalisz, że efekt interakcji jest znaczący, nie powinieneś już interpretować samego efektu głównego. Uważam, że jest to podobne do uruchamiania modelu ze znaczącym wyrażeniem kwadratowym, nie ma sensu interpretować samego wyrażenia kwadratowego w kontekście problemu (z wyjątkiem opisu matematycznych właściwości rozwiązania, powiedz „krzywa przesuwa się w dół z powodu znaku parametru dołączonego do wyrażenia kwadratowego „).
mugen
2
Mugen, wielkość głównego efektu może być zakwalifikowana przez interakcję bez zakwestionowania istnienia wspomnianego głównego efektu. Placidia, ja po prostu kwalifikowałem twoje oświadczenie wstępne. Nie jest wcale trudne, aby główny efekt był wystarczająco duży z ograniczonymi zmiennymi, aby interakcja nie spowodowała, że ​​główny efekt kiedykolwiek zniknie, a zatem unieważnia to pierwsze zdanie.
John
2
@John, to nie tak, że główny efekt „znika”. Raczej jest wykwalifikowany w swoim wpływie. W związku z tym nie mogę powiedzieć, że głównym efektem A jest, powiedzmy, 42, chyba że znam również poziom B. Teraz, jeśli interakcja jest niewielka w stosunku do efektów, wpływ A, gdy B = 0 może być42+ϵ, a gdy B = 1, może być 42ϵ, ale jestem matematykiem i dla mnie ϵznaczy coś
Placidia
2
Jasne, że robi to Placidia, ale twój komentarz nie popiera zdania początkowego. Jest to główny efekt, którego wielkość jest różna, ale nadal główny efekt.
John
2

Jeśli Twój model przewiduje odpowiedź Y z predyktorów x1 I x2, oczekiwanej odpowiedzi udziela

EY=β0+β1x1+β2x2+β12x1x2

Jeśli współczynniki β1 I β2 nazywacie „efektami głównymi”, a następnie zauważcie, że β1 daje zmianę w EY kiedy x1 zmienia się o jeden (jednostka tego, co jest mierzone) i kiedy x2=0. Nie zawsze - a nawet nie często - przypadek ten jest szczególnie interesujący: jeślix2oznacza temperaturę, znaczenie zera będzie zależeć od arbitralnego wyboru pomiaru w stopniach Celsjusza lub Fahrenheita, jeśli jest to płeć, wówczas znaczenie zero będzie zależeć od arbitralnego wyboru, aby użyć jako płci męskiej lub żeńskiej jako kategorii odniesienia; i dlatego „główny efekt”x1zależy od arbitralnego wyboru. Czasami ludzie kodują lub tłumaczą predyktory tylko po to, aby te parametry miały dość rozsądną interpretację, co jest dość uczciwe, ale nie ma to istotnej różnicy w stosunku do modelu - do jego prognoz lub prawdopodobieństwa. @ Przykład Johna odpowiada użyciu -1 do kodowaniaA1 I B1, I 1 do kodu A2 I B2: następnie β0 jest wielkim środkiem dla wszystkich czterech kombinacji A I B, β1 różnica między średnią odpowiedzią dla A2 na obu poziomach B i wielki środek, i tak dalej.

Podejrzewam, że na wykresie, który pokazuje, że można założyć, lub gdzie indziej powiedziano, że zero A leży w połowie drogi między A1 I A2; dokładnie w tym punkcie, z którego tylko się ruszamB1 do B2 nie ma znaczenia dla odpowiedzi.

Scortchi - Przywróć Monikę
źródło
1

Ze względu na intuicyjną prostotę udawaj, że nie jest to problem statystyczny, ale tylko problem matematyczny. Powiedzmy, że „dane” obejmuje każdy pojedynczy punkt dokładnie na tych liniach w przykładzie, tak, że zadaniem jest opisanie tych linii w całości jako funkcji A i B . Prawdopodobnie tak jest i nie ma potrzeby udawania, ponieważ twój przykład nie zawiera informacji o standardowym błędzie lub resztkach. Następnie, zakładając, że B 1 idealnie dzieli B 2 , i że ( B 1 , A 2 ) jest dokładnie tak daleko powyżej ( B 2 , A 2 ) jak ( B 1 ,A 1 ) jest poniżej ( B 2 , A 1 ) i ignorowanie myślników (tj. Ich wypełnienie, w zasadzie) ...

Połowa punktów na B 1 jest powyżej B 2 , a połowa poniżej, a ich różnice skutecznie się znoszą. Oznacza to, że DV ( B 1 ) = DV ( B 2 ), gdy we wszystkich uśredniania wartości A . Tak, jeśli trzymać A na stałym poziomie A 1 lub A 2 , B 1 i B 2 będą się różnić, ale ponieważ różnice są równe i przeciwnie w przeciwnych wartościach A , nie ma główny wpływ pensjonatów . Różnice w DV( B ), które zależą od wartości A, są całkowicie opisane przez efekt interakcji. Podobną logikę można zastosować do wykresów 6–8, aby dojść do zamierzonych wniosków.

Nick Stauner
źródło