如何在R中对双因素进行Dunnett检验？

Dunnett检验核心是将多个处理组与一个对照组进行比较，在双因素设计中，需根据你的分析需求选择不同的实现方式：

场景1：按第二个因素分组，对目标因素做Dunnett检验 #

如果你的需求是：在每个condition水平下，分别对group的各水平与对照组进行比较（即控制condition的影响，单独分析每个condition内的group差异），可以直接在glht()中使用by参数指定分组变量：

步骤1：拟合包含交互项的双因素ANOVA模型 #

# 假设你的响应变量是growth，数据框为data_df
anova_growth <- aov(growth ~ group * condition, data = data_df)

步骤2：指定对照组并执行分组Dunnett检验 #

先确保group的对照组是参考水平（如果不是，用relevel()调整）：

# 将group中的"control"设为对照组（替换成你的实际对照水平名称）
data_df$group <- relevel(data_df$group, ref = "control")

然后执行分组检验：

library(multcomp)

Dunnett <- glht(anova_growth,
                linfct = mcp(group = "Dunnett"),
                by = "condition")  # 按condition分组分析

summary(Dunnett)

运行后会输出每个condition水平下，group各处理组与对照组的Dunnett检验结果。

场景2：检验group与condition组合的Dunnett对比 #

如果你的需求是：将某个group+condition的组合作为对照组（比如group=control且condition=cond1），与其他所有组合进行比较，需要手动构建线性对比矩阵：

步骤1：查看模型系数，明确变量编码 #

先查看模型的系数名称，确定各组合对应的系数位置：

coef(anova_growth)

步骤2：手动构建对比矩阵 #

假设你的group有control、trt1、trt2三个水平，condition有cond1、cond2两个水平，以control+cond1为对照组，构建对比矩阵如下：

# 按模型系数顺序定义对比，每行代表一个处理组合与对照组的比较
linfct <- rbind(
  "trt1+cond1 vs control+cond1" = c(0, 1, 0, 0, 0, 0),
  "trt2+cond1 vs control+cond1" = c(0, 0, 1, 0, 0, 0),
  "control+cond2 vs control+cond1" = c(0, 0, 0, 1, 0, 0),
  "trt1+cond2 vs control+cond1" = c(0, 1, 0, 1, 1, 0),
  "trt2+cond2 vs control+cond1" = c(0, 0, 1, 1, 0, 1)
)

# 执行检验
Dunnett <- glht(anova_growth, linfct = linfct)
summary(Dunnett)

注意：对比矩阵的系数顺序必须和coef(anova_growth)输出的顺序完全匹配，需根据你的实际变量编码调整。

内容的提问来源于stack exchange，提问作者mervet