主な効果と相互作用効果私は28のミュージッククリップを持っています。そのうちの14はメジャーモードで、残りの14はマイナーモードで構成されています。私は、音楽のモードと音楽のテンポに対する、音楽に対する感情的な反応と音楽に対する好みを検討しています。私はまたテンポとモードの相互作用効果を見たいと思います。
私がこれをする方法はAnalyze - > Fit Modelを使うことである。そして、y変数としての音楽に対する感情的な反応。それからテンポとモードを選びます。マクロの下では、私は完全な因数分解を行います。これはテンポとモードの主な効果と2つの量の相互作用効果の両方を私にもたらします。
しかし、私は2つの問題に直面しています。
1）変数を1つだけ置くとき、テンポを言ってそれが重要であるという主な効果を確認しましょう。モードについても同様です。しかし、私がFull factorialを使うとき、テンポの主な効果はもはや重要ではありません。
2）主効果を個別にチェックした場合と、主効果を使用した場合も、主効果のF値が変化します。フル階乗
主な効果を説明する正しい方法はどれですか。
再：主な効果と相互作用の効果あなたはそれについて言及しませんでした、しかし私はあなたのTempo * Modeの相互作用用語が十分であると思います。 そして分散分析では、相互作用が支配します。 基本的に、それが意味するのは、あなたがお互いから独立してあなたの主な効果のどちらについても話すことができないということです。 両者の間の相互作用が重要です。
再：主な効果と相互作用の効果はい、テンポ*モードの相互作用は重要です。では、Full factorialを使用するときに、テンポとモードの主なエフェクト値を考慮に入れるということですか。
再：主な効果と相互作用の効果はい、そうします再：主な効果と相互作用の効果あなたの最初のモデルのあなたの説明（Full Factorial）は始めるのが合理的な場所のようです。あなたはすべての可能な効果をもたらします。どのデータがデータによってサポートされているのかを決定します。
- 統計は、線形結合（モデル）内のすべての効果を同時に検定します。単一の変数を含めると、見積もりは省略された他の重要な変数によって偏ります。彼らは一緒に見積もりを弱めるか、または取り消すことができますまたは彼らは人工的に見積もりを膨らませることができます。省略された変数は、モデル内の変数の偏った推定につながります。モデルの選択はモデルの解釈よりも優先されます。
- F比の変化は最初の点に関連しています。モデルパラメータの異なるセットを推定するたびに、異なる質問をします。
そのため、考慮すべき一般的な点がいくつかあります。
- モデル内の項よりも観測値（行数など）が多い場合は、考えられるすべての効果（例：マクロを全階乗）に設定することをお勧めします。
- モデルにとって重要ではないと判断した高次の項を削除します（たとえば、Xの前にX ^ 2を削除する）。
- モデル階層を維持します。Xが有意ではないがX ^ 2が有意であるかX * Zが有意である場合は、Xをモデル内に保持します。
このような線形モデルは強力ですが、それらの性質、推定、および解釈に関するいくつかの教育から恩恵を受けるでしょう。このコミュニティは助けを得るのに適した場所ですが、私たちはさまざまな形態のトレーニングや教育も提供しています。
