A ver, iba a ponerlo en Stack Oveflow o una de estas, pero tendría que currarme una pregunta que me iba a costar más que la tesis. Después me acordé del foro, y pensé que por cojones tiene que haber algún catedrático de estadística, que sé que algunos sabéis de números.
Os cuento. Tengo un modelo lineal mixto, con la siguiente fórmula (formato R):
invTransRT ~ Condition + Group + Group:ctrans + cftotal + cffirst + Group:cftotal:cffirst + Group:cftotal:cffirst:clfs + (1 | Subject) + (1 | Target)
Las variables dan un poco igual, lo importante es que la dependiente es una transformación inversa de tiempos de respuesta (en milisegundos), que Group es categórica (dos niveles) y que cftotal (frecuencia1), cffirst (frecuencia2) y clfs (frecuencia3) son continuas.
Pues resulta que esa cuádruple interacción (Group:cftotal:cffirst:clfs), cuñao, tiene un efecto significativo. Me las he visto un poco putas para interpretarla, pero creo que lo que tengo ej correcto. Aquí un resumen de las estimaciones del modelo para los factores relevantes:
Estimate Std. Error t value
cftotal -0.063168 0.013949 -4.53
GroupL1:cftotal:cffirst 0.043525 0.013169 3.31
GroupL2:cftotal:cffirst 0.024052 0.013133 1.83
Group1:cftotal:cffirst:clfs -0.006002 0.020011 -0.30
Group2:cftotal:cffirst:clfs 0.037365 0.019876 1.88
Bien, creo que lo que pasa aquí es lo siguiente: cftotal hace que la variable dependiente baje. Luego, cffirst compensa ese efecto, y de forma más acusada en el grupo L1 (esto es lo que significaría la triple interacción). Lo que quiere decir la cuarta, entonces, es que, sólo para el grupo L1, a mayor valor de clfs, menos importa lo grande que sea cffirst, porque ésta no va a afectar a la bajada que provoca cftotal. En el otro grupo, en cambio, un incremento de clfs aumenta la modulación de cffirst sobre cftotal. ¿Estoy diciendo un disparate?
Bueno, acabo de pensar a la mierda, no sé qué cojones estoy haciendo, pero como ya está escrito pues hala.
Hola te recomiendo una one way ANOVA saludos
A palabras necias, patada en los cojones.