如何使用 R 中的正确（在受试者内）错误项对双向混合方差分析中的显着交互进行事后测试？

Question

我正在尝试使用“afex”和“emmeans”包在双向混合模型方差分析上运行 Fisher 的 LSD 事后测试。 我使用的数据有一个具有 2 个级别的主体间因子“组”和一个具有 3 个级别的主体内因子“时间”（即它的 2 x 3 设计）。 DV是“分数”。 这是我为复制错误而创建的一些模型数据：

library(tidyverse)
library(dplyr)
library(afex)
library(emmeans)
# Create data
set.seed(35)
df1 <- data.frame(id = factor(rep(1:12, each = 3)),
                  time = factor(rep(c(1:3), 12)),
                  group = factor(rep(1:2, each = 18)),
                  score = rnorm(36, 20, 5))

...这是我构建方差分析模型的方式：

# Run Two-way Mixed Model ANOVA
model1 <- aov_car(score ~ time*group +
                            Error(id/time), 
                          data = df1)

这个双向方差分析的输出 F 表看起来像这样，但是，当我在我的实际数据上运行它时，会产生显着的交互效应：

Anova Table (Type 3 tests)

Response: score
      Effect          df   MSE      F  ges p.value
1      group       1, 10 27.50 4.11 + .130    .070
2       time 1.72, 17.19 28.02   0.50 .031    .589
3 group:time 1.72, 17.19 28.02   1.09 .065    .350
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘+’ 0.1 ‘ ’ 1

因为在我的实际数据中有显着的交互作用，所以我想进行后续测试。 具体来说，我想分别看看时间对每个组的影响（以受试者内的方式）。 我尝试使用以下代码运行简单的主效应测试和多重比较（Fisher's LSD）：

# Run whithin-subject simple main effect  
simple.effect <-emmeans(model1, ~time|group, model = 
                "multivariate")
test(pairs(simple.effect), joint=TRUE)

# Run Fisher's LSD multiple comparison 
pairs(simple.effect, adjust='none')

这会返回：

> # Run whithin-subject simple main effect  
> simple.effect <-emmeans(model1, ~time|group, model = "multivariate")
> test(pairs(simple.effect), joint=TRUE)
 group df1 df2 F.ratio p.value note
 1       2  10   1.009  0.3989  d  
 2       2  10   0.374  0.6969  d  

d: df1 reduced due to linear dependence 
> # Run Fisher's LSD multiple comparison 
> pairs(simple.effect, adjust='none')
group = 1:
 contrast estimate   SE df t.ratio p.value
 X1 - X2    -3.792 2.74 10  -1.386  0.1959
 X1 - X3     0.231 2.35 10   0.098  0.9236
 X2 - X3     4.023 3.33 10   1.209  0.2544

group = 2:
 contrast estimate   SE df t.ratio p.value
 X1 - X2    -0.199 2.74 10  -0.073  0.9435
 X1 - X3    -2.030 2.35 10  -0.863  0.4082
 X2 - X3    -1.831 3.33 10  -0.550  0.5942

对于这两组测试，df 错误读数为 10（这是与“组”相关的错误 - 受试者之间的因素）。 我相信 df 错误实际上应该是 17.19 （这将对应于主体内因子（“时间”）的错误项。

在我看来，“emmeans”似乎使用了错误的 df/MS 错误来运行后续测试，但我不知道如何告诉它使用正确的错误。 任何帮助将不胜感激。

Answer 1

这就是我得到的：

> simple.effect <- emmeans(model1, ~time|group, model = "univariate")
aov object missing, substituting multivariate/lm model.
to get univariate tests, refit ANOVA with include_aov = TRUE

请注意，请求单变量模型并没有产生它。 按照消息中的建议，我重新安装了模型：

> model2 <- aov_car(score ~ time*group +
+                       Error(id/time), include_aov = TRUE, 
+                   data = df1)
Contrasts set to contr.sum for the following variables: group

> simple.effect2 <- emmeans(model2, ~time|group, model = "univariate")
> pairs(simple.effect2)
group = 1:
 contrast estimate   SE df t.ratio p.value
 X1 - X2    -3.792 2.83 20  -1.338  0.3912
 X1 - X3     0.231 2.83 20   0.082  0.9963
 X2 - X3     4.023 2.83 20   1.420  0.3499

group = 2:
 contrast estimate   SE df t.ratio p.value
 X1 - X2    -0.199 2.83 20  -0.070  0.9973
 X1 - X3    -2.030 2.83 20  -0.716  0.7568
 X2 - X3    -1.831 2.83 20  -0.646  0.7966

P value adjustment: tukey method for comparing a family of 3 estimates

成对差异均显示 20 df 此外（未显示），均值本身具有 29.9 df（请注意，您必须指定单变量模型，因为它仍默认为多变量模型）。

顺便说一句，当 P 值为 0.35 时，我认为大多数用户不会认为交互“显着”。 他们只会在time上获得 EMM，而不以group为条件。 多变量模型的 df 保持在 10，单变量模型的 df 保持在 20。