Eu tenho 2 fatores A
e B
(5 × 3) e uma covariável X
em um design de assunto interno. Veja como eu especifico meu modelo geral:
lme.out = lme(y~ A*B*X, random=~1|Subject, data=mydata)
Minha interpretação é que estou olhando para um gráfico y~x
, onde a inclinação muda devido à covariável e a linha muda para cima ou para baixo com base nos diferentes níveis de A
e B
(mudanças nas interceptações).
O que eu quero descobrir é: se eu fosse consertar um fator A
(pegar qualquer um dos níveis) e depois olhar as linhas ( y~x
), qual é o efeito B
? Os níveis de B
deslocamento da linha para cima ou para baixo (intercepta) ou altera a inclinação da linha ( X
).
Devo estar executando algum tipo de análise de contrastes? Mas não tenho certeza de como os contrastes funcionam entre fatores e covariáveis.
Uma maneira que eu poderia pensar é levar os subconjuntos de dados correspondentes a diferentes níveis de A e criar modelos, tais como: lme(y~ B+X, random=~1|Subject, data=mydata[which(mydata$A = A1,])
. Dessa forma, eu poderia comparar as interceptações e inclinações resultantes nesses modelos.
Alguém pode me dizer se o que estou fazendo faz sentido? Sugestões de qualquer tipo seriam muito apreciadas!
lattice
ouggplot
ou basear os gráficos,R
dependendo do que você se sentir mais confortável.