Mittel verschiedener Gruppen in ANCOVA mit 2 Faktoren R

Question

Ich untersuche derzeit den Einfluss verschiedener Merkmale auf das Schalenvolumen einer Schnecke. Ich habe einen Datenrahmen, wo jede Zeile eine bestimmte Person darstellt, und mehrere Spalten mit all ihren Attributen (Länge, Shell-Volumen, Geschlecht, Infektion).

machte ich die ANCOVA: mod=aov(log(volume) ~ infection*sex*log(length)). Ich habe dies:

  Df Sum Sq Mean Sq F value Pr(>F)  
    inf     1 4.896 4.896 258.126 <2e-16 *** 
    sex     1 3.653 3.653 192.564 <2e-16 *** 
    log(length)   1 14.556 14.556 767.335 <2e-16 *** 
    inf:sex    1 0.028 0.028 1.472 0.227  
    inf:log(length)  1 0.020 0.020 1.064 0.304  
    sex:log(length)  1 0.001 0.001 0.076 0.783  
    inf:sex:log(length) 1 0.010 0.010 0.522 0.471  
    Residuals   174 3.301 0.019     

So signifikante Effekte des Geschlechts, der Infektion und Länge, aber keine Interaktion Bedingungen.

Da es keine Interaktionen gibt, möchte ich für ein gegebenes Geschlecht wissen, ob der Abschnitt log(volume) = f(log(length)) für infizierte Individuen oder nicht infizierte Individuen größer ist.
Ich versuchte summary.lm(mod), zu verwenden, das gab mir dies:

     Estimate Std. Error t value Pr(>|t|)  
(Intercept)    -0.42806 0.15429 -2.774 0.00613 ** 
infmic     -0.54963 0.40895 -1.344 0.18070  
sexM     -0.11542 0.35508 -0.325 0.74554  
log(length)    2.41915 0.11144 21.709 < 2e-16 *** 
infmic:sexM    0.52459 0.63956 0.820 0.41320  
infmic:log(length)  0.43215 0.33717 1.282 0.20166  
sexM:log(length)   0.04207 0.28113 0.150 0.88122  
infmic:sexM:log(length) -0.38222 0.52920 -0.722 0.47110  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.1377 on 174 degrees of freedom 
Multiple R-squared: 0.8753, Adjusted R-squared: 0.8703 
F-statistic: 174.5 on 7 and 174 DF, p-value: < 2.2e-16 

Aber ich habe Probleme der Interpretation der Ergebnisse und sehen immer noch nicht, wie zu schließen. Ich habe auch "einige" andere Fragen:

Warum sind Sex und Infektion nicht wichtig in der lm-Ausgabe? Ich weiß, dass es hier nicht wichtig ist, aber wie man die Zeilen über die Interaktionsterme interpretiert?

Was ich denke, ist das inmic: sexM stellt die Veränderung der Steigung von log (Volumen) = f (log (Länge)) für infizierte Männer im Vergleich zu nicht infizierten Frauen. Dann wäre Infmic: Länge die Veränderung der Steigung zwischen infizierten Frauen und nicht infizierten Frauen? Und SexM: Länge der Wechsel zwischen nicht infizierten Männchen und nicht infizierten Weibchen? Ist das wahr? Und was repräsentiert der Dreifachinteraktionsterm?

Vielen Dank!

Answer 1

EDIT: Ich fand einen Teil der Antwort.

Lassen Sie uns die Daten in 4 Gruppen aufteilen (F-NI, FI, M-NI, MI), und suchen Sie nach der Gleichung der Regressionslinie log (Volumen) = f (log (Länge)) für jede dieser Gruppen. Hier sind die Koeffizienten die durch die Funktion gegeben diejenigen summary.lm(mod)

Die Gleichungen sind:

• Bei nicht-infizierten Frauen: log(volume) = (Intercept) + log(length)
• Bei infizierten Frauen: log(volume) = (Intercept) + infmic + log(length) + infmic:log(length)
• Bei nicht-infizierten Männern: log(volume) = (Intercept) + sexM + log(length) + sexM:log(length)
• Bei infizierten Männchen: log(volume) = (Intercept) + infmic + sexM + infmic:sexM + log(length) + infmic:log(length) + sexM:log(length) + infmic:sexM:log(length)

Für jede Gleichung ist die Steigung der Teil, der mit log(length) beginnt, und der Schnittpunkt ist der vorhergehende Teil.

Es könnte für einige von euch offensichtlich sein, aber ich habe nicht wirklich verstehen, was jeder Koeffizient zunächst dargestellt, so dass ich lieber hier setzen!

Alice