R 重复测量后的两两比较方差分析解释

我对重复测量进行了单因素方差分析：

aov <- aov(score ~ group*time + Error(subject/time), data=valueAest)

所以我决定进行一些事后分析。查看其他人的一些答案，我使用了multcomp库：

lme_score = lme(score ~ group, data=valueAest, random = ~1|subject)
anova(lme_score)

require(multcomp)
summary(glht(lme_score, linfct=mcp(group = "Tukey")), test = adjusted(type = "bonferroni"))

但这给了我一个错误，“ncol（linfct）”不等于“length（coef（model））”

我还尝试：

Mixed_Fitted_Interaction<-emmeans(aov, ~group|time)
Mixed_Fitted_Interaction

# pairwise comparison 
pairs(Mixed_Fitted_Interaction)

---

在我天真的头脑中，这看起来很有希望，我能得出这样的结论吗：意义实际上不是来自治疗，而是来自人口差异

考虑到治疗（

时间

）的主要作用和相互作用都不显著，不确定为什么差异会来自治疗。小组的主要作用基本上随着时间的推移而消失，所以区别在于你的一个小组与另一个小组相比，治疗是小组而不是时间。我基本上想找出“组”之间的区别，但看起来组之间的区别以前就存在了treatment@April如果您的治疗是

组

，那么模型不应该是

aov（分数~组*时间+错误（受试者/组），数据=值AEST）

？在你给出的模型中，

时间

是主要（治疗）效果。[续]如果你能澄清你的实验设计，这会有所帮助。您的组间和组内变量是什么。它们是否完全交叉？不确定为什么差异会来自治疗，因为治疗（

时间

）的主要作用和相互作用都不显著。小组的主要作用基本上随着时间的推移而消失，所以区别在于你的一个小组与另一个小组相比，治疗是小组而不是时间。我基本上想找出“组”之间的区别，但看起来组之间的区别以前就存在了treatment@April如果您的治疗是

组

，那么模型不应该是

aov（分数~组*时间+错误（受试者/组），数据=值AEST）

？在你给出的模型中，

时间

是主要（治疗）效果。[续]如果你能澄清你的实验设计，这会有所帮助。您的组间和组内变量是什么。它们完全交叉了吗？

Mixed_Fitted_Interaction<-emmeans(aov, ~group|time)
Mixed_Fitted_Interaction

# pairwise comparison 
pairs(Mixed_Fitted_Interaction)

time = recreation1:
 contrast estimate    SE   df t.ratio p.value
 map - VR    -0.75 0.397 49.8 -1.890  0.0646 

time = recreation2:
 contrast estimate    SE   df t.ratio p.value
 map - VR    -0.80 0.397 49.8 -2.016  0.0492