这是我的问题的上下文：我有一个调查数据集，其中包含受访者，产品，喜欢的得分和“权重”列（根据他们的人口统计信息与每个受访者相关的权重）。 行是一个受访者对一种测试产品给出的喜好评分。每个受访者测试了13种产品（每个受访者有13条产品线）。共有500名消费者参加了测试。
目标：对加权数据执行ANOVA和多重比较测试以比较产品性能（在这种情况下，将执行LSD测试-即使这不是我所知的最佳方法）
在R中，我可以执行加权方差分析：
model_lm = lm(liking~product+respondent, data = survey,weights=weighting)
并且根据我的加权数据可以很好地计算出系数。
但是在执行LSD测试时：
library(agricolae)
test = LSD.test(model_lm , trt='BRANDS' , alpha = 0.1,p.adj='none')
1 /每种产品计算的平均分数未加权 2 / LSD计算基于非加权数据
问题： 在R中，如何获得基于加权平均分数的多重比较测试LSD的结果？
也有一个统计程序可以根据 标准误差的权重：基于实际N的标准误差 而不是加权N。 see幻灯片10：
为什么？因为随着对数据进行加权会增加标准偏差，所以如果我不使用此过程，由于标准错误权重的存在，判别就更少了。
谢谢
摩根