Verder includeren we de gewichtseffecten vooral in het model om het dosiseffect zuiver te kunnen schatten en om de precisie van de standard error op het dosis effect te vergroten.
De conventionele aanpak is om nu de niet significante interactie term uit het model te verwijderen en de analyse te doen a.d.h.v. het model met enkel een hoofdeffect voor de dosis.
summary(lmNoInt)
# Call:
# lm(formula = log2minsurv ~ soort + dosis + gewicht + soort:gewicht,
# data = poison)
#
# Residuals:
# Min 1Q Median 3Q Max
# -0.97719 -0.29105 -0.05937 0.29029 0.92184
#
# Coefficients:
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) 0.6768 0.6130 1.104 0.272561
# soort1 -0.3425 0.8390 -0.408 0.684099
# soort2 1.6071 1.0055 1.598 0.113544
# dosis -0.8416 0.1215 -6.924 6.56e-10 ***
# gewicht 1.0657 0.2765 3.854 0.000219 ***
# soort1:gewicht 0.4844 0.3807 1.272 0.206550
# soort2:gewicht -0.9648 0.5505 -1.753 0.083108 .
# ---
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
# Residual standard error: 0.4082 on 89 degrees of freedom
# Multiple R-squared: 0.7407, Adjusted R-squared: 0.7232
# F-statistic: 42.37 on 6 and 89 DF, p-value: < 2.2e-16