Участники исследования были рандомизированы по Источнику (Эксперт против Привлекательности) и по Аргументу (Сильный против Слабости) и были разделены на категории по типу Монитора (Высокий или Низкий). Я хочу проверить значимость основных эффектов, двусторонних взаимодействий и трехсторонних взаимодействий следующего фрейма данных, в частности,
Основные эффекты = Самоконтроль (Высокий или Низкий), Аргумент (Сильный или Слабый), Источник (Привлекательный или Экспертный).
Двустороннее взаимодействие = СамоконтрольАргумент, СамоконтрольИсточник, Аргумент*Источник
Трехстороннее взаимодействие = СамоконтрольАргументИсточник
Это код:
data<-data.frame(Monitor=c(rep("High.Self.Monitors", 24),rep("Low.Self.Monitors", 24)),
Argument=c(rep("Strong", 24), rep("Weak", 24), rep("Strong", 24), rep("Weak", 24)),
Source=c(rep("Expert",12),rep("Attractive",12),rep("Expert",12),rep("Attractive",12),
rep("Expert",12),rep("Attractive",12),rep("Expert",12),rep("Attractive",12)),
Response=c(4,3,4,5,2,5,4,6,3,4,5,4,4,4,2,3,5,3,2,3,4,3,2,4,3,5,3,2,6,4,4,3,5,3,2,3,5,5,7,5,6,4,3,5,6,7,7,6,
3,5,5,4,3,2,1,5,3,4,3,4,5,4,3,2,4,6,2,4,4,3,4,3,5,6,4,7,6,7,5,6,4,6,7,5,6,4,4,2,4,5,4,3,4,2,3,4))
data$Monitor<-as.factor(data$Monitor)
data$Argument<-as.factor(data$Argument)
data$Source<-as.factor(data$Source)
Я хотел бы получить основные эффекты, а также все двусторонние взаимодействия и трехстороннее взаимодействие. Однако, если я наберу anova(lm(Response ~ Monitor*Argument*Source, data=data))
, я получу:
Analysis of Variance Table
Response: Response
Df Sum Sq Mean Sq F value Pr(>F)
Monitor 1 24.000 24.0000 13.5322 0.0003947 ***
Source 1 0.667 0.6667 0.3759 0.5413218
Monitor:Source 1 0.667 0.6667 0.3759 0.5413218
Residuals 92 163.167 1.7736
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
и если я введу summary(aov(Response ~ Monitor*Argument*Source, data=data))
Call:
lm.default(formula = Response ~ Monitor * Argument * Source,
data = data)
Residuals:
Min 1Q Median 3Q Max
-2.7917 -0.7917 0.2083 1.2083 2.5417
Coefficients: (4 not defined because of singularities)
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.4583 0.2718 12.722 < 2e-16 ***
MonitorLow.Self.Monitors 1.1667 0.3844 3.035 0.00313 **
ArgumentWeak NA NA NA NA
SourceExpert 0.3333 0.3844 0.867 0.38817
MonitorLow.Self.Monitors:ArgumentWeak NA NA NA NA
MonitorLow.Self.Monitors:SourceExpert -0.3333 0.5437 -0.613 0.54132
ArgumentWeak:SourceExpert NA NA NA NA
MonitorLow.Self.Monitors:ArgumentWeak:SourceExpert NA NA NA NA
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.332 on 92 degrees of freedom
Multiple R-squared: 0.1344, Adjusted R-squared: 0.1062
F-statistic: 4.761 on 3 and 92 DF, p-value: 0.00394
Любые мысли или идеи?
summary(aov(Response ~ Monitor*Argument*Source, data=data))
вы получили именно то, что хотели. Я предполагаю, чтоNA
связаны с недостатком степеней свободы для оценки желаемых эффектов. Если вы укажете еще несколько (сколько субъектов в каждом условии) или приведете воспроизводимый пример, это поможет. - person Giora Simchoni   schedule 09.11.2015