多列ANOVA及Tukey HSD后续检验执行问题求助

我正在对潜在量表题项执行Hinkin and Tracey内容效度检验，现有一个含74列的样本数据集（示例数据如下）：

cleandata <- structure(list(Condition = c("RS", "AS", "BGPS", "APCS", "OP", "TS"), 
                            alt_energy = c(2, 5, 3, 3, 2, 2), 
                            animal_product = c(5, 3, 4, 4, 3, 1), 
                            deforest = c(5, 1, 4, 1, 2, 1)), 
                       row.names = c(NA, 6L), 
                       class = c("tbl_df", "tbl", "data.frame"))

其中仅Condition列为分组维度列，需检验其余73列的响应均值在不同Condition组间是否存在显著差异，以此验证量表题项是否仅反映单一维度。

最初尝试一次性对所有列运行ANOVA：

test <- aov(as.matrix(cleandata[, -1]) ~ as.factor(Condition), data = cleandata)
summary(test, effect.size = "both", detailed = TRUE, observed = NULL)

但后续执行Tukey HSD检验时报错：

tukeyHSD(test)

报错信息：

Error in model.tables.aov(x, "means") :
'model.tables' is not implemented for multiple responses

可以通过循环遍历每个题项列分别执行ANOVA和Tukey HSD检验，同时整理出整洁的输出结果。以下是具体实现：

步骤1：加载必要工具包 #

# 安装并加载所需包（首次运行需安装）
if (!require(tidyverse)) install.packages("tidyverse")
if (!require(broom)) install.packages("broom")
if (!require(emmeans)) install.packages("emmeans")
library(tidyverse)
library(broom)
library(emmeans)

步骤2：循环处理每个题项 #

# 初始化结果存储列表
results <- list()

# 遍历所有待检验列（排除Condition）
for (var in setdiff(colnames(cleandata), "Condition")) {
  # 拟合单变量ANOVA模型
  aov_fit <- aov(reformulate("as.factor(Condition)", response = var), data = cleandata)
  
  # 整理ANOVA结果
  anova_tidy <- tidy(aov_fit) %>%
    mutate(variable = var) %>%
    relocate(variable, .before = everything())
  
  # 执行Tukey HSD并整理结果
  tukey_tidy <- emmeans(aov_fit, pairwise ~ as.factor(Condition)) %>%
    tidy() %>%
    mutate(variable = var) %>%
    relocate(variable, .before = everything())
  
  # 存入列表
  results[[var]] <- list(anova = anova_tidy, tukey = tukey_tidy)
}

# 合并所有ANOVA结果为一个数据框
all_anova_results <- bind_rows(lapply(results, function(x) x$anova))

# 合并所有Tukey HSD结果为一个数据框
all_tukey_results <- bind_rows(lapply(results, function(x) x$tukey))

结果说明 #

• all_anova_results包含所有题项的ANOVA统计量（F值、p值等），可快速筛选出组间均值有显著差异的题项。
• all_tukey_results包含每组间的两两比较结果，可具体查看哪些分组间存在显著差异。
• 使用broom包将模型结果转换为整洁的数据框格式，便于后续的筛选、可视化或导出。

内容的提问来源于stack exchange，提问作者Dan