R中双被试内变量重复测量ANOVA的事后检验实现方法

问题背景 #

• 实验为30名被试参与的完全被试内2×2析因设计，两个被试内自变量分别为颜色（红/蓝）、刺激呈现侧别（左/右），共4种实验条件，每名被试接受所有条件测试，因变量为反应时RT
• 示例数据构造代码：

df = matrix(nrow = 120, ncol = 0) 
df = as.data.frame(df)
df$ppt_id = c(rep(c(1:30),4))
df$color = c(rep("red", 60), rep("blue", 60))
df$side = c(rep(c(rep("left", 30), rep("right", 30)),2))
df$RT = c(rnorm(30, 600, 50),
          rnorm(30, 650, 50),
          rnorm(30, 700, 50),
          rnorm(30, 600, 50))

• 已使用rstatix::anova_test()完成重复测量方差分析，检验到颜色与侧别的交互效应显著，分析代码如下：

anova_test(
  data = df, 
  dv = RT, 
  wid = ppt_id,
  within = c(color, side),
  effect.size = "pes")

• 需求：实现该双被试内设计下4种实验条件的所有两两比较事后检验，现有公开资料提及的R事后检验方法多仅适配单因素重复测量、或单被试内+单被试间的混合设计场景。

实现方案 #

方法1：所有实验条件两两比较（和anova_test()同生态，输出格式兼容） #

直接使用rstatix包内置的配对t检验函数，先将两个自变量拼接为单独的条件分组变量即可，无需额外调整数据结构：

1. 加载依赖包

library(rstatix)
library(tidyverse)

2. 生成组合条件列，运行配对比较+多重比较校正

# 生成4种实验条件的唯一标识列
df <- df %>%
  mutate(condition = paste(color, side, sep = "_"))

# 运行两两配对比较，默认使用holm法校正p值，可按需替换为bonferroni、fdr等方法
posthoc_pairwise <- df %>%
  pairwise_t_test(
    RT ~ condition,
    paired = TRUE,
    p.adjust.method = "holm",
    wid = ppt_id
  )

3. 可选：补充输出各组描述统计、配对比较效应量（Cohen's d）

# 各条件RT的均值、标准差
desc_stat <- df %>%
  group_by(condition) %>%
  get_summary_stats(RT, type = "mean_sd")

# 各配对比较的效应量
cohend_res <- df %>%
  cohens_d(RT ~ condition, paired = TRUE, wid = ppt_id)

方法2：简单效应检验（交互效应显著时的常用后续分析） #

如果需要固定其中一个自变量的水平，检验另一个自变量的效应（例如分别在左侧、右侧刺激条件下，比较红蓝颜色的RT差异），可以使用emmeans包实现：

library(emmeans)
# 拟合重复测量方差分析模型
rm_aov <- aov(RT ~ color*side + Error(ppt_id/(color*side)), data = df)
# 设定简单效应检验逻辑：固定side水平，检验color的效应
simple_side <- emmeans(rm_aov, ~ color | side)
# 输出比较结果，带p值校正
pairs(simple_side, adjust = "holm")

# 如果需要固定color水平检验side的效应，替换公式即可
simple_color <- emmeans(rm_aov, ~ side | color)
pairs(simple_color, adjust = "holm")

注意：两种方法都完全适配双被试内的析因设计，不需要将数据转为宽格式，也不需要额外设置被试间变量，结果可以直接整理到论文中。

内容的提问来源于stack exchange，提问作者Alex M