Interaktionsdiagramme verstehen und interpretierenHallo,
Ich habe eine Frage zur Interpretation von Interaktionsdiagrammen für Interaktionen, die für ein Antwortmodell als statistisch signifikant (mit einem Konfidenzniveau von 95 %) identifiziert wurden.
Unten sehen Sie einen Screenshot der Interaktionsprofile, der die aktiven Interaktionen hervorhebt, deren p-Werte unter 0,05 liegen.
In den beiden Interaktionsdiagrammen in der letzten Spalte stimmen die Linien fast überein, was aus meiner Sicht auf eine schwache Interaktion hinweist. Die beiden Interaktionsdiagramme in der letzten Zeile, die die Interaktionen zwischen denselben Faktoren zeigen (Faktoren sind vertauscht), weisen auf keinerlei Interaktion hin. Kann man daher mit Sicherheit schlussfolgern, dass die Wechselwirkungen nicht wirklich signifikant sind und daher aus dem Modell entfernt werden können? Ist das auch der Grund, warum ich in den Diagrammen in der letzten Zeile keine Interaktionseffekte sehe?
Ich würde mich über Ihre Gedanken freuen.
Datenmischung und -bereinigungBetreff: Interaktionsdiagramme verstehen und interpretierenHinzufügen zu @Dan_Obermiller Zur Erklärung möchte ich sagen, dass „statistische Signifikanz“ nicht dasselbe ist wie „stark“ oder „wichtig“.
Betreff: Interaktionsdiagramme verstehen und interpretieren@Dan_Obermiller Vielen Dank für Ihre Antwort. Ich stimme voll und ganz mit Ihnen überein, dass die Proteinbelastung einen großen Haupteffekt im Verhältnis zum Filtrationsdruck und der Guanidinkonzentration hat. Wenn ich diese Interaktionsterme aus dem Modell entferne, sehe ich keine wesentliche Änderung in der Anpassung der experimentellen Daten. Aus meiner Sicht sind sie praktisch nicht bedeutsam.
Betreff: Interaktionsdiagramme verstehen und interpretierenIch stimme zu, dass die Diagramme in der letzten Spalte auf eine kleine Interaktion hinweisen. Es könnte jedoch dennoch von Bedeutung sein, da ich kein Verständnis für das Rauschen des Systems habe. Obwohl diese Wechselwirkung gering ist, kann sie dennoch für Sie relevant sein, da sie größer sein muss als das gemessene Rauschen Ihres Systems. Ist es Ihnen noch wichtig? Ist das Ausmaß dieser Unterschiede bemerkenswert (vergessen Sie bei dieser Entscheidung nicht den Maßstab der Y-Achse)? Die Linien liegen fast übereinander, da diese Faktoren (Filtrationsdruck und Guanidinkonzentration) keinen großen Einfluss haben.
Die Diagramme in der letzten Zeile sagen mir dasselbe, außer dass diese Linien weit voneinander entfernt sind, da die Proteinbelastung tatsächlich einen großen Haupteffekt hat.
Die ausgegrauten Zellen im Diagramm sind ausgegraut, da dieser Interaktionsterm derzeit nicht im Modell vorhanden ist.
Letztendlich sollten Sie statistische Signifikanz nicht mit praktischer Signifikanz verwechseln. Sie nutzen die Statistiken (p-Werte), um sich zu orientieren – sie treffen die Entscheidungen nicht für Sie.
