我执行了 2x2x2 三向方差分析，三向交互项显着。我理解这意味着在第三个变量存在的情况下，一个（或多个）双向交互作用不同。
如何执行事后测试来梳理这些交互？如果可能的话，我想在 r 中执行此操作。
我找到了一个资源（下面的链接），它使用 tibbles 在每个级别执行双向 ANOVA。但是，我是 r 的新手，不太了解这是如何实现的。也许这是将代码转换为我的数据集的问题？
https://www.datanovia.com/en/lessons/repeated-measures-anova-in-r/#post-hoc-tests-2
提前致谢！
【问题讨论】：
标签： r anova interaction posthoc
如果其他人关注这个问题寻求答案，我想我已经找到了解决方案。
我最终做的是对我的数据进行子集化并将 ANOVA 作为双向 ANOVA 重新运行。
在我的数据集中，我对被陷阱捕获的蛤蜊的比例感兴趣。要考虑的独立变量是：水流（30_cms 或 39_cms）、沉积物的粒度（粗或细）和蛤的种类（mya 或 merc）。当我运行三向方差分析时，我发现所有三个术语之间存在交互作用。作为事后测试，我最终运行了六个方差分析：每个数据子集一个，只包括一个因子水平（即只有 30_cms 的流速，然后是一个只有 39_cms 子集的单独模型）。
这是我运行的两个 ANOVA 的示例（对于“水流”因素）：
Clams30<-subset(ClamData, ClamData$Speed == "30_cms")
Clams39<-subset(ClamData, ClamData$Speed == "39_cms")
SpeciesGrainSize30=aov(PropinTrap~Species*GrainSize, data=Clams30)
Anova(SpeciesGrainSize30)
SpeciesGrainSize39=aov(PropinTrap~Species*GrainSize, data=Clams39)
Anova(SpeciesGrainSize39)
然后，我创建了一个 p 值表来识别重要的交互作用。
我希望这对将来的某人有所帮助！
如果有人有更优雅的方式来做到这一点，我当然会很感兴趣。
【讨论】：