R语言ANCOVA事后检验：TukeyHSD与glht的差异咨询

场景回顾 #

你在R中通过ANCOVA检验真菌类型对真菌水平的影响，同时校正真菌年龄（days）的效应，模型为：

model <- aov(fungi_level ~ fungi_types + days, data = fungi_data)
Anova(model, type = "III")

确认真菌类型存在显著差异后，尝试两种Tukey事后检验方式：TukeyHSD()报错，glht()的p值更严格，以下是二者的核心差异：

1. 适用场景本质不同 #

• TukeyHSD()：这个函数是为纯方差分析（无协变量的ANOVA）设计的，默认要求模型中所有自变量都是分类因子。你的模型包含连续协变量days，函数无法处理这种带协变量的场景，会直接忽略非因子变量并报错，提示“non-factors ignored: days”。即便强行忽略报错（比如去掉协变量跑模型），它做的也是未校正协变量的原始组均值比较，完全不符合ANCOVA控制协变量的需求。
• glht()（来自multcomp包）：专门用于广义线性假设检验，天然支持含协变量的模型（比如ANCOVA）。它会先基于完整模型（包含days）调整各组的预测均值（消除days的影响），再进行Tukey法的两两比较，这才是ANCOVA事后检验的正确操作。

2. 计算逻辑与p值差异 #

• TukeyHSD()如果跳过协变量计算，用的是原始组均值的差异，标准误未考虑协变量的变异，因此p值会偏宽松，但这种结果是无效的——因为没控制days对真菌水平的干扰。
• glht()在计算组间差异时，先通过协变量days校正各组均值，再计算调整后均值的差异。此时的标准误会纳入协变量带来的变异，因此标准误更大，对应的p值也就更严格——这才是控制协变量后的真实组间差异检验结果。

3. 报错原因 #

TukeyHSD()的which参数仅指定了要检验的因子，但函数内部会校验整个模型的变量类型，发现存在连续型协变量days，就会触发报错，因为它不具备处理协变量的能力。

结论 #

你应该使用glht()的方式执行ANCOVA的事后检验，TukeyHSD()不适合带协变量的场景，报错是正常的，且其潜在的未校正结果毫无统计意义。

内容的提问来源于stack exchange，提问作者trying_1999