Como interpretar a interação bidirecional e tridirecional no Imer?

Eu tenho um problema com a interpretação de interações de 2 e 3 vias no lmer. Meu DV é a altura, que é uma variável contínua. Todos os IVs são variáveis ​​categóricas. O primeiro fator é animal, seja rato ou leão. O segundo fator é o sexo, masculino ou feminino. O terceiro fator é a cor: vermelho, branco ou amarelo. Fico confuso com a interpretação da saída:

Fixed effects:
                                  Estimate Std. Error t value
(Intercept)                       164.6888     7.8180  21.065
rat                               -14.1342     8.2889  -1.705
sexmale                           -16.0883    10.0071  -1.608
colorred                            0.5776     6.2473   0.092
coloryellow                        -14.4048     6.1025  -2.360
rat:sexmale                         15.3645    11.8567   1.296
rat:colorred                        12.5258     4.4028   2.845
rat:coloryellow                     10.3136     4.3196   2.388
sexmale:colorred                     2.0272     5.2773   0.384
sexmale:coloryellow                  5.7643     5.1669   1.116
rat:sexmale:colorred                -5.5144     6.2838  -0.878
rat:sexmale:coloryellow              0.9735     6.1690   2.158

De acordo com Vasishth et al. (2007), a significância dos efeitos fixos pode ser julgada a partir do valor t absoluto; se for maior que 2, esse fator é significativo. Ao interpretar essa saída, escolho apenas fatores significativos. Por favor, verifique se minhas interpretações estão corretas:

1. coloryellow = A altura dos assuntos é mais baixa quando eles gostam de amarelo e mais alta se eles gostam de branco.
2. rat:colorred = O efeito da preferência pelo rato aumenta a preferência pelo vermelho, e esses dois promovem a altura dos sujeitos.
3. rat:sexmale:coloryellow = O efeito da preferência pelo rato, por ser do sexo masculino, aumenta a preferência pelo amarelo, e os indivíduos que gostam de rato e amarelo e são do sexo masculino têm maior altura.

A partir dessas interpretações, gostaria de perguntar: se eu gostaria de saber o efeito de lion:sexfemale:colorred, e rat:sexmale:colorredcomparado a rat:sexfemale:coloorred, tenho que executar novas estatísticas?

Em primeiro lugar, os contrastes padrão para variáveis ​​categoriais em R são contrastes de tratamento . No contraste do tratamento, todos os níveis de um fator são comparados ao nível base (categoria de referência).

Os níveis básicos não aparecem na saída. No seu exemplo, os níveis básicos são:

• animal: lion
• color: white
• sex: female

Observe que todos os efeitos são estimados em relação aos níveis de base.

Vamos dar uma olhada nos efeitos. Sua interpretação está correta.

• A intercepté a média da variável dependente nos três níveis de base.
• raté a diferença entre rate lion(em relação à variável dependente). Observe que essa não é uma diferença global, mas uma diferença em relação aos outros níveis de base. O efeito de raté estimado para dados onde color = whitee sex = female.
• sexmaleé a diferença entre homens e mulheres (onde animal = lione color = white).
• colorredé a diferença entre rede white(onde animal = lione sex = female).
• coloryellowé a diferença entre yellowe white(onde animal = lione sex = female).
• rat:sexmale: A diferença entre leões e ratos é maior nos machos do que nas fêmeas (onde color = white).
• rat:colorred: A diferença entre leões e ratos é maior no vermelho do que no branco (onde sex = female).
• rat:coloryellow: A diferença entre leões e ratos é maior no amarelo do que no branco (onde sex = female).
• sexmale:colorred: A diferença entre homens e mulheres é maior no vermelho do que no branco (onde animal = lion).
• sexmale:coloryellow: A diferença entre homens e mulheres é maior no amarelo do que no branco (onde animal = lion).
• rat:sexmale:colorred: Interação de três fatores. O efeito rat:sexmaleé diferente para o vermelho comparado ao branco.
• rat:sexmale:coloryellow: Interação de três fatores. O efeito rat:sexmaleé diferente para amarelo comparado com branco.

Para testar contrastes adicionais, é necessário executar outra análise.