如何使用R中的对比测试交互（差异之间的差异）

我想知道两个变量的平均值之间的差值是否大于/小于两个不同变量的平均值之间的差值

我有一个4×4的受试者内完全交叉设计，有一个二元因变量，我用广义混合效应线性模型（使用对数链接函数）建模，随机按受试者和按项目截取，使用lme4

第一个变量（字符）具有以下级别：非常好的字符、中等好的字符、非常坏的字符和中等坏的字符

第二个变量（结果）有三个等级：非常好的结果、轻度好的结果、极度坏的结果和轻度坏的结果

参与者被迫选择“是/否”，决定角色是否应该获得多个结果。我将“是”响应编码为1，“否”响应编码为0。因此，该模型预测了参与者判断结果为应得的比例。比例越高，参与者对某一角色类型的结果的评价越高

每个角色结果条件中有8个项目（例如，一个非常好的角色经历了轻度负面结果的8个项目）

我感兴趣的是，对于积极角色（极端积极和轻度积极角色的平均值）而言，积极结果（极端积极和轻度积极角色的平均值）与消极结果（极端消极和轻度消极角色的平均值）之间的差异是否更大与负面字符（极端负面和轻度负面字符的平均值）相比

图表表明应该如此。参与者认为正面人物非常值得正面结果（平均prop=0.965），而不值得负面结果（平均prop=0.039）。这是一个0.926的差别。相比之下，受试者对消极性格的评价平均来说只有轻微的积极结果（平均prop=0.59），而对消极结果的评价平均来说有轻微的不值得（平均prop=0.39）。相差0.20

因此，我想做的是测试积极角色的积极和消极结果之间的.926差异是否为sig。大于消极角色的积极和消极结果之间的0.20差异

现在，我一直在使用lsmeans软件包中的“对比度”函数来计算极端正面/负面角色和轻度正面/负面角色的正面和负面结果是否存在差异。这并不是我想问的问题。我将提供一些代码来说明我是如何做到这一点的

首先，数据如下：

现在，您可以复制/粘贴一些R代码：

Data <- read.csv(file.choose())

require(lme4)
require(lsmeans)

Model <- glmer(Choice ~ Character*Outcome + (1|Item) + (1|Subject), dat=Data, family="binomial", control = glmerControl(optimizer = "bobyqa"))

lsmip(Model, Character~Outcome, type="response") #Plot of the data

Model.means <- lsmeans(Model, specs = c("Character", "Outcome"), type="response")

levels(interaction(Data$Character,Data$Outcome)) #to help with the contrasts

#Here are the contrasts that I am currently using

contrast(Model.means, list(ExtPosChar.vs.MildPosChar.for.GoodOutcomes = c(0,0,0,0,0,0,0,0,0,.5,0,-.5,0,.5,0,-.5),
ExtPosChar.vs.MildPosChar.for.BadOutcomes = c(0,.5,0,-.5,0,.5,0,-.5,0,0,0,0,0,0,0,0)))

contrast(Model.means, list(ExtNegChar.vs.MildNegChar.for.GoodOutcomes = c(0,0,0,0,0,0,0,0,.5,0,-.5,0,.5,0,-.5,0),
ExtNegChar.vs.MildNegChar.for.BadOutcomes = c(.5,0,-.5,0,.5,0,-.5,0,0,0,0,0,0,0,0,0)))

---

数据查看文档中的
对比度
，尤其是可选的
交互
参数，它生成交互对比度。这里有一些例子，在“使用lsmeans”的小插曲中，请查看
对比度
的文档，特别是可选的
交互
参数，它生成交互对比度。“使用lsmeans”的小插曲中有一些例子