R 中的事后检验，用于具有 2 个内变量的重复测量 ANOVA

Question

比如说，我有一个包含 30 个参与者 (ppt_id) 的全因子设计，每个参与者都在 4 个条件下进行了测试：

（左侧+蓝色）AND（左侧+红色）AND（右侧+蓝色）AND（右侧+红色）

我的因变量是反应时间（RT）。

df = matrix(nrow = 120, ncol = 0) 
df = as.data.frame(df)
df$ppt_id = c(rep(c(1:30),4))
df$color = c(rep("red", 60), rep("blue", 60))
df$side = c(rep(c(rep("left", 30), rep("right", 30)),2))
df$RT = c(rnorm(30, 600, 50),
          rnorm(30, 650, 50),
          rnorm(30, 700, 50),
          rnorm(30, 600, 50))

现在，我计算 rmANOVA 并发现因素 Side 和 Color 之间存在显着的交互作用：

anova_test(
  data = df, 
  dv = RT, 
  wid = ppt_id,
  within = c(color, side),
  effect.size = "pes")

如何在 R 中对所有条件进行多次比较（事后测试）？ 我发现的只是一个具有两个以上水平的变量（单向方差分析）或混合设计（即一个变量之间和一个变量内）的函数。

Answer 1

一种选择可能是使用afex包来拟合 ANOVA 和marginaleffects效应包来计算对比度。 （免责声明：我是marginaleffects的作者。）

首先，拟合模型：

library(marginaleffects)
library(afex)

df = matrix(nrow = 120, ncol = 0) 
df = as.data.frame(df)
df$ppt_id = c(rep(c(1:30),4))
df$color = c(rep("red", 60), rep("blue", 60))
df$side = c(rep(c(rep("left", 30), rep("right", 30)),2))
df$RT = c(rnorm(30, 600, 50),
          rnorm(30, 650, 50),
          rnorm(30, 700, 50),
          rnorm(30, 600, 50))

mod <- aov_ez(
    id = "ppt_id",
    dv = "RT",
    within = c("side", "color"),
    data = df)

然后，进行事后处理以获得对比。 这将告诉您当我们操纵解释器（及其成对组合）时，模型预测的结果值如何变化：

cmp <- comparisons(
    # the model
    mod, 
    # hold other regressors at their means if there are any
    newdata = "mean",
    # vector of variables we want to "manipulate" in the contrast
    variables = c("side", "color"),
    # we care about interactions
    interactions = TRUE)

summary(cmp)
#> Average contrasts 
#>           side      color  Effect Std. Error z value   Pr(>|z|)
#> 1  left - left blue - red 110.489      10.71 10.3148 < 2.22e-16
#> 2 right - left  red - red  51.055      13.84  3.6896 0.00022457
#> 3 right - left blue - red   6.274      12.19  0.5147 0.60674367
#>    2.5 % 97.5 %
#> 1  89.49 131.48
#> 2  23.93  78.18
#> 3 -17.62  30.16
#> 
#> Model type:  afex_aov 
#> Prediction type:  response

这里有一个关于对比的详细插图： https ://vincentarelbundock.github.io/marginaleffects/articles/contrasts.html

Answer 2

也许我无法理解@Vincent 的答案，或者我没有清楚地解释我需要什么。

理想情况下，我想得到一个包含该数据集所有可能比较的表，即应该有六个比较（因为有 4 个可能的条件），类似于这个函数的作用：

## combine both independent variables into one
df$condition = paste0(df$side, "_", df$color)
df$condition = as.factor(df$condition)

## calculate pairwise tests
mult_comp = df %>%
  pairwise_t_test(
    RT ~ condition, paired = TRUE, 
    p.adjust.method = "holm")%>%
  select(-statistic, -df)

现在，问题是这个函数只能使用一个自变量（标准函数pairwise.t.test也是如此），而我实际上有两个自变量。

一种可能的解决方案是使用函数 aov 计算 ANOVA，然后使用函数 TukeyHSD 计算成对比较：

anova_df = aov(RT ~ side*color, data = df)

TukeyHSD(anova_df)

缺点是计算仅限于 Tukey 方法，这可能并不总是合适的。 此功能无法使用其他校正。