R，模拟治疗效果，包括治疗之间相互作用的影响

Question

想想用老鼠做的实验。我们将小鼠分成两组，我们给这些组不同剂量的cafein。我们也可能将接受给定剂量的cafein的每组分成2组，我们给予不同剂量的睾丸激素。我们会有一个所谓的2x2设计。以下矩阵表示2x2x2设计。

> groups
           [,1] [,2] [,3] [,4] [,5]    [,6]
    [1,]    1    1    1    1    2 -0.811962000
    [2,]    2    2    1    1    9  1.142115906
    [3,]    3    1    2    1    3 -0.999317454
    [4,]    4    2    2    1    7 -1.984324334
    [5,]    5    1    1    2   10  1.816095153
    [6,]    6    2    1    2    1  1.567284537
    [7,]    7    1    2    2    6  0.009253221
    [8,]    8    2    2    2    5 -1.764737015

行：个人

第1列：只是一个ID，不要太在意它！

第2栏：第一个因素（cafein）的组

第3栏：第二因素（睾丸激素）的组

第3栏：第三因素（食物数量）的组

第5栏：只是一个ID，不要太在意它！

第6列：性状值（它可能与实验后这些小鼠的平均体重有差异）

在这个特定的矩阵中，我们每组有1个人。当然，设计各不相同，每组的人数也各不相同。我们可能有2x3x5设计（3个因子，2,3和5组在第1，第2和第3因子中），每组12个ind。

---

我的目标：模拟这些疗法的一些效果。

基本上有两种效果：

对治疗的影响（因素影响对象）

和

治疗之间相互作用的影响（interaction.effects object）。

我有两个对象：

> factors.effect
[1] 1 2 3

> interactions.effect
[[1]]
[1] 1 3
[[2]]
[1] 1 2 3

这些对象是“半随机”创建的。

我已经解决了如何应用 factors.effect 的问题。这是我正在使用的代码。

                    for (factor.effect in factors.effect){
                        for (group.effect in unique(groups[,factor.effect+1])[-1]){
                            groups[which(groups[,factor.effect+1]==group.effect),ncol(groups)] = groups[which(groups[,factor.effect+1]==group.effect),ncol(groups)] + seq(from=0,to=treatment.factors.inloop,length.out=length(unique(groups[,factor.effect+1])))[group.effect]
                        }
                    }

treatment.factor.inloop包含一个整数，表示治疗的最大可能影响。随着组号的增加，代码可以提高效果。

我的问题是：我如何为interaction.effect计算类似的东西？

因此，如果我们采用interaction.effect [1]（即c（1,3）），如果factor1和factor3为高，代码应该增加特征值。但如果这些因素中的任何一个等于1（组1），则不应添加任何效果。我认为这不仅仅是考虑这两个因素的平均值。重要的是，这种互动效应是渐进的，因为因素是影响因素。

如果我然后绘制我的数据，我应该得到类似的东西（如果它不是一个美丽的情节，请道歉！）：

非常感谢