Effet d'interaction

Bonsoir,

J'ai réalisé un test d'interaction (avec un anova à 2 facteurs : Sexe et AC), qui s'est révélé significatif :

Code:

Df Sum Sq Mean Sq F value   Pr(>F)    
Sexe         1  0.244   0.244   0.739 0.397592    
AC           2  7.030   3.515  10.623 0.000395 ***
Sexe:AC      1  1.511   1.511   4.567 0.041802 *  

J'ai donc ensuite réalisé un test de Tukey (AC a 3 modalités : Stress, Incontro, Contro)

Code:


$`Sexe:AC`
                            diff        lwr         upr     p adj
H:Contro-F:Contro             NA         NA          NA        NA
F:Incontro-F:Contro           NA         NA          NA        NA
H:Incontro-F:Contro           NA         NA          NA        NA
F:Stress-F:Contro             NA         NA          NA        NA
H:Stress-F:Contro             NA         NA          NA        NA
F:Incontro-H:Contro   -0.3333333 -1.5082322  0.84156557 0.9506373
H:Incontro-H:Contro   -1.1333333 -1.9430765 -0.32359014 0.0025522
F:Stress-H:Contro     -1.3333333 -2.3923729 -0.27429377 0.0076144
H:Stress-H:Contro     -1.0000000 -1.9288391 -0.07116086 0.0293501
H:Incontro-F:Incontro -0.8000000 -1.9601197  0.36011972 0.3108587
F:Stress-F:Incontro   -1.0000000 -2.3460158  0.34601579 0.2381587
H:Stress-F:Incontro   -0.6666667 -1.9128351  0.57950181 0.5812435
F:Stress-H:Incontro   -0.2000000 -1.2426194  0.84261935 0.9910265
H:Stress-H:Incontro    0.1333333 -0.7767394  1.04340611 0.9974444
H:Stress-F:Stress      0.3333333 -0.8042576  1.47092431 0.9437127


J'ai également réalisé un graphique (cf fichier joint) qui me semble montrer une interaction à l'endroit où les courbes se croisent : c'est à dire qu'il y aurait un effet modérateur du genre lorsque le type d'attributions causales est "Stress"

Je ne comprend pas pourquoi cet effet est visible sur le graphique mais n'est pas significatif dans les résultats de Tukey (H:Stress-F:Stress)...

Pourriez-vous m'éclairer ?

Merci et bonne soirée

Il n'y a pas de F:Contro ce qui explique que tous les comparaisons à F:Contro (les 5 premières lignes) donnent NA puisque la valeur pour F:Contro ne peut pas être calculée. Donc utiliser une formule supposant un design factoriel (~ Sexe * AC) n'est pas correct. Il faut totalement revoir l'expérience (pour tester si F:Contro = H:Contro) ou, si ce n'est pas possible, la manière d'analyser le problème par exemple en créant un facteur défini par les 5 catégories qui existent et faire une Anova sur ce facteur suivie de tests post-hoc pertinents.