如何将vegan包adonis对象转为lm类以使用lsmeans做Tukey校正比较？

Hey there! 你遇到的这个问题其实挺常见的——adonis2输出的anova.cca类对象确实没法直接塞进lsmeans里，而且直接转换为lm/aov/manova这类线性模型类是绝对不可行的，原因很简单：PERMANOVA是基于距离矩阵的非参数分析，它的底层逻辑和传统线性模型完全不同，硬转出来的结果不仅没有统计意义，还会误导你。

不过别担心，有几个靠谱的替代方案能帮你实现交互项的Tukey校正比较：

方案1：用vegan自带的pairwise.adonis2（最直接） #

从vegan 2.6版本开始，官方提供了pairwise.adonis2函数，专门用来做PERMANOVA的事后两两比较，完美支持Tukey校正。用法很简单：

假设你的原始模型是这样的：

library(vegan)
# 构建距离矩阵（比如Bray-Curtis）
dist_mat <- vegdist(my_data[, -c(1,2)], method = "bray")
# 拟合含交互项的PERMANOVA模型
mod <- adonis2(dist_mat ~ A * B, data = my_data)

要对交互项A:B做Tukey校正的两两比较，直接运行：

pairwise.adonis2(mod, by = "A:B", p.adjust = "tukey")

• by参数指定你要分析的交互项；
• p.adjust = "tukey"就是你需要的Tukey校正方法。

这个方法的结果完全贴合PERMANOVA的分析逻辑，是最推荐的选择。

方案2：维度缩减后用emmeans/lsmeans（适合可视化探索） #

如果你需要更灵活的对比（比如特定组的配对比较，或者想结合可视化），可以先把距离矩阵做维度缩减（比如PCoA或NMDS），然后对得到的轴分数拟合传统线性模型，再用emmeans（lsmeans的替代包，现在官方更推荐emmeans，lsmeans已经停止维护了）来做事后比较：

步骤如下：

library(vegan)
library(emmeans)

# 1. 做PCoA（基于你的距离矩阵）
pcoa_res <- capscale(dist_mat ~ 1, data = my_data)
# 提取样本的轴分数（比如前2个轴，解释大部分变异）
site_scores <- scores(pcoa_res, display = "sites")[, 1:2]
# 合并到原数据框
new_data <- cbind(my_data, site_scores)

# 2. 对每个轴拟合aov模型
mod_aov1 <- aov(MDS1 ~ A * B, data = new_data)
mod_aov2 <- aov(MDS2 ~ A * B, data = new_data)

# 3. 用emmeans做Tukey校正的交互项比较
emmeans(mod_aov1, pairwise ~ A:B, adjust = "tukey")
emmeans(mod_aov2, pairwise ~ A:B, adjust = "tukey")

注意：这个方法是基于维度缩减后的轴来分析的，和原始PERMANOVA的结果不完全等价，但可以帮你直观探索交互项在群落主要变异梯度上的差异，适合配合NMDS/PCoA图展示结果。

重要提醒 #

别再纠结把anova.cca对象转成线性模型类了，不仅行不通还会出错。优先用方案1的pairwise.adonis2，这是官方专门为PERMANOVA事后比较设计的工具；如果需要更灵活的分析，再考虑方案2。另外，建议尽快从lsmeans迁移到emmeans，后者功能更完善，维护更活跃。

内容的提问来源于stack exchange，提问作者J.Con