如何在GLM后改变事后对比中的因素顺序，分类数据与交互，在R

我有一个包含两个预测变量的多元列联表：tmt（2个级别）和年份（4个级别）以及一个响应变量，即物种存在的数量（n个图中的数量）（succ）

数据（testsum）：

在创建了成功和失败的矢量之后

resp<-cbind(testsumm$succ, testsumm$n-testsumm$succ)

---

很明显，这两个矩阵的形状不一样，所以它们不能相乘，但我不知道它们应该是什么样子。有谁能帮助我在每年的两个治疗水平之间，而不是在每个治疗水平的年份之间，创建对比

multcomp在存在多个因素时并不容易。但是，lsmeans包提供了一种指定所需内容的替代方法

library(lsmeans)
glht(model2, lsm(~ tmt | year))

---

当然可以节省大量的打字

我调查过的其他问题/答案中没有一个建议这个完美的方案！当然，这是解决方案——谢谢。如果这是解决方案，接受它作为答案。信用是应得的，它帮助其他人找到答案。

model<-glm(resp~year*tmt, family=binomial,data=testsumm)

temp <- expand.grid(year = unique(testsumm$year),tmt = unique(testsumm$tmt))
X1 <- model.matrix(~ tmt * year, data = temp)
glht(model, linfct = X1)
Tukey <- contrMat(table(testsumm$year), "Tukey")
K1 <- cbind(Tukey, matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)))
rownames(K1) <- paste(levels(testsumm$tmt)[1], rownames(K1), sep = ":")
K2 <- cbind(matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)), Tukey)
rownames(K2) <- paste(levels(testsumm$tmt)[2], rownames(K2), sep = ":")
K <- rbind(K1, K2)
colnames(K) <- c(colnames(Tukey), colnames(Tukey))
summary(glht(modintILAQ, linfct = K %*% X1))

model2 <- glm(resp ~ tmt * year, family=binomial,data = testsumm)
summary(model2)
temp2 <- expand.grid(tmt = unique(testsumm$tmt),year =unique(testsumm$year))
X12 <- model.matrix(~ tmt * year, data = temp2)
glht(model2, linfct = X12)
Tukey <- contrMat(table(testsumm$tmt), "Tukey")
    K1 <- cbind(Tukey, matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)))
    rownames(K1) <- paste(levels(testsumm$year)[1], rownames(K1), sep = ":")
K2 <- cbind(matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)), Tukey)
rownames(K2) <- paste(levels(testsumm$year)[2], rownames(K2), sep = ":")
K <- rbind(K1, K2)
colnames(K) <- c(colnames(Tukey), colnames(Tukey))
summary(glht(model2, linfct = K %*% X1))

    Error in K %*% X1 : non-conformable arguments

library(lsmeans)
glht(model2, lsm(~ tmt | year))