Explorando interacciones: continuas y categóricas (4 niveles)¡Hola a todos!
Realmente necesito ayuda.¿Cómo puedo probar una interacción significativa entre una variable continua y categórica? Ejecuté un modelo lineal mixto con dependientes continuos (por ejemplo, compromiso), efectos fijos "puntuación de compra compulsiva", categoría de publicidad (4 categorías) y su interacción, y efectos aleatorios "ID del sujeto" y "Nombre del estímulo".La interacción entre la "puntuación de compra compulsiva" y la categoría de publicidad fue significativa. Ahora me gustaría probar en qué categoría publicitaria (tengo 4) la interacción fue significativa y cuál fue el efecto. ¿Cómo podría hacer eso? Muchas gracias de antemano!
Re: Explorando interacciones: continuas y categóricas (4 niveles)Muchas gracias, ahora está mucho más claro. El único problema es que estoy ejecutando el análisis del modelo lineal mixto con factores aleatorios, por lo que este tipo de regresión, como puedo ver en el menú, no tiene la opción de Estimaciones extendidas en Estimaciones...
Re: Explorando interacciones: continuas y categóricas (4 niveles)Creo que las estimaciones de parámetros proporcionan la respuesta que busca. Las pruebas de efectos fijos son para la significancia de todo el término en el modelo. Las Estimaciones de Parámetros son pruebas para cada estimación. Sin embargo, la estimación para el anuncio de causa social no se muestra porque depende de los otros niveles. Debe ser igual al negativo de la suma de las demás estimaciones: -( (-0,003415) + (-0,012818) + (-0,014721) ) = 0,030954. El significado se encuentra haciendo clic en el triángulo rojo al lado de Respuesta en la parte superior izquierda y seleccionando Estimados > Estimaciones ampliadas .
Re: Explorando interacciones: continuas y categóricas (4 niveles)querida marca
Me gustaría reformular un poco la pregunta ya que todavía no estoy seguro de cómo puedo hacer lo que pretendo. Agrego aquí una figura de interacción que me gustaría especificar. En la figura, muestro el efecto de interacción de la categoría de anuncio y la puntuación de compra compulsiva en la fijación del tiempo total.Lo que quiero hacer es demostrar estadísticamente que la relación entre la puntuación de compra compulsiva y el tiempo total de fijación sólo es significativa en la categoría de anuncios de causa social. Mientras que la relación entre estas dos variables no es significativa dentro de otras 3 categorías. Si bien se ve en la figura, necesito proporcionar la argumentación estadística. Y no estoy seguro de si aquí es donde utilizo pruebas conjuntas o análisis de pruebas personalizadas, ya que creo que apuntaban a objetivos diferentes.
¡Muchas gracias!
dalia
Re: Explorando interacciones: continuas y categóricas (4 niveles)Re: Explorando interacciones: continuas y categóricas (4 niveles)En este caso, el efecto más significativo e importante es la interacción. Los efectos principales no son significativos pero deben permanecer en el modelo para mantener la jerarquía del mismo.
el etiquetado CBS-32.4792 indica que JMP centró el continuo CBS predictor para usted.
Lamento que la explicación de la prueba de factor conjunto en la Ayuda de JMP no haya sido útil. Aquí lo tienes:
El Articulación Factor La opción de prueba aparece cuando hay efectos de interacción presentes. Para cada efecto principal en el modelo, JMP produce un articulación prueba de si todos los coeficientes de los términos que involucran ese efecto principal son cero. Esta prueba está condicionada a que todos los demás efectos estén en el modelo. Específicamente, el articulación La prueba es una prueba de hipótesis lineal general de un modelo restringido. En ese modelo, todos los parámetros que corresponden al efecto especificado y las interacciones que lo contienen se ponen a cero.
El informe de pruebas de efectos fijos se utiliza para determinar si términos individuales en el modelo son significativos. La interacción introduce una jerarquía. La prueba de factor conjunto abarca todos los parámetros de todos los términos que incluyen el predictor. Ésta es la razón del gran número de grados de libertad. Por lo tanto, la categoría de anuncio es importante en su caso cuando considera todos los términos en conjunto, incluso si los términos individuales no son significativos. Es una prueba de 'todo o nada'. La hipótesis nula es que todos los parámetros de este predictor son cero. La alternativa es que al menos uno de ellos no sea cero.
Re: Explorando interacciones: continuas y categóricas (4 niveles)Hola, Mark,
Muchas gracias por su respuesta. Intenté hacer las estimaciones y todavía estoy un poco desconcertado con esta opción. Intenté consultar la sección de ayuda, que al final no resultó ser de mucha ayuda. Cuando hice las pruebas de factores conjuntos para mi interacción, obtuve que un factor era significativo, que es la categoría de producto publicitario y otro no significativo (Compulsivo - puntuación de compra). ¿Qué significa eso? En el análisis inicial, donde incluí todos los factores y su interacción, la categoría de producto publicitario y la puntuación CB no fueron significativas. Pero la interacción es significativa. ¿Eso significa que esta interacción está impulsada por las diferencias entre las categorías publicitarias?
Otra pregunta. Cuando realizo las pruebas personalizadas, me gustaría saber si la interacción entre la puntuación CB y la categoría de publicidad social es significativa y cuál es el efecto, así como si la interacción entre la puntuación CB y la categoría de anuncios de bienes de consumo es significativa y cuál es la El efecto, la puntuación CB y la categoría AD de moda son significativos y cuál es el efecto, y la puntuación CB y la categoría de anuncios de alimentos. Cuando miro las pruebas personalizadas, tengo la opción de elegir lo que quiero probar. Si solo quiero comparar 4 interacciones, ¿cómo codifico eso? Además, la variable CB-score y categoría de publicidad social no está expuesta allí... ¡Estaría realmente agradecido por tu consejo! Adjunto los resultados de la regresión.
Re: Explorando interacciones: continuas y categóricas (4 niveles)Haga clic en el triángulo rojo en la parte superior y seleccione Estimados . Usted encontrará Pruebas personalizadas y Pruebas de factores conjuntos disponible. Luego puedes seleccionar Herramientas > Ayuda y haga clic en el informe para ir directamente a la documentación sobre estas pruebas para obtener más información.
También puedes seleccionar Perfil de factores > Perfilador y explorar visualmente la naturaleza de las interacciones. Esta última no es una prueba de hipótesis formal, pero debería ayudar a comprender este efecto.
