我成功地完成了一项设计，该设计具有一个主题内变量和一个主题内因子的设计
library(ez)
ezStats(data = EVALVFB1, dv = Confidence, wid = ID, between = Protocol, within = Time)
效果很好！ 但是，当我想使用2个内部主题因素和1个内部主题因素时，我不会成功。 你能帮忙吗？...非常感谢
如果您有时间帮助我，这是dput（数据）。...
dput（FOCUS_G3） 结构（列表（ID = c（132，132，133，133，134，134，135，135， 136、136、137、137、138、138、139、139、140、140、141、141、142， 142、143、143、144、144、145、145、146、146、147、147、148、148， 149、149、150、150、151、151、152、152、153、153、154、154、155， 155、156、156、157、157、158、158、159、159、160、160、161、161， 162、162、163、163、164、164、165、165、166、166、167、167、168， 168、169、169、170、170、171、171、172、172、173、173、174、174， 175、175、176、176、177、177、178、178、179、179、180、180、181， 181、182、182、183、183、184、184、185、185、186、186、187、187， 188，188，189，189，190，190，191，191，192，192），Time = c（“ T0”， “ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”， “ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”， “ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”， “ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”， “ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”， “ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”， “ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”， “ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”， “ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”， “ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”， “ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1”，“ T0”，“ T1” ），通讯协定= c（3，3，3，3，3，3，3，3，3，3，3，3，3，3，3， 3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3， 3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3， 3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3， 3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3， 3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3， 3，3），性别= c（2，2，2，2，NA，NA，1，1，2，2，2，2，2，1，1，1， 1，2，2，1，1，1，1，1，1，1，1，1，2，2，2，2，NA，NA，2，2，1， 1，1，1，1，1，2，2，1，1，1，1，2，2，1，1，2，2，2，2，1，1，1， 1，1，1，1，2，2，1，1，1，1，1，2，2，1，1，1，1，1，1，1，1，1， 1，1，1，2，2，2，2，2，2，1，1，1，1，2，2，1，1，1，1，NA， 不适用，2，2，1，1，1，2，2，2，2，1，1，2，2，2，2，2，2，2，2，2， 2，1，1，1，1），等级= c（2，2，2，2，NA，NA，2，2，2，2，2， 2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，NA 不适用2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2， 2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2， 2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，3，3，3，3，3，3，3， 3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3、3， 3，3，3，3，3，3，3，3），Digital_Habit = c（2，2，4，4，4，NA，NA， 2，2，4，4，2，2，4，4，2，2，4，4，4，4，4，4，4，4，4，4，1， 1，4，4，NA，NA，2，2，2，2，3，3，3，3，2，2，2，2，2，1，1，2， 2，3，3，4，4，4，3，4，4，4，4，4，3，4，4，4，4，4，4，4，2，2， 2，2，3，3，3，3，3，3，4，4，3，3，4，4，4，4，4，2，2，3，3，3， 3、3、3、2、2、2、2、4、4、4、4、3、3、1、1、4、4、3、3、4、4， 4，4，4，4，4，4，4，4，1，1，3，3），Perceived_Competence_APSA = c（3， 3，4，4，NA，NA，2，2，2，2，4，4，3，3，2，2，4，4，4，3，3，3， 3、2、2、2、2、4、4、4、3、3，NA，NA，3、3、3、3、4、4、3、3、3， 3，3，3，2，2，2，4，4，3，1，1，4，4，4，3，3，2，2，1，1，4，4，4， 3、3、4、4、4、4、4、3、3、3、3、4、4、1、1、1、3、3、1、1、3、3、3， 3，1，1，2，2，2，3，4，4，4，2，2，3，3，3，3，4，4，4，4，4，4，4， 3、3、3、3、3、3、3、3、4、4、3、3、2、2、3、3、3、3），Somatic_Anxiety = c（2.166666667， 1.333333333、2.166666667、3、2.166666667、2.5、2.5、2.33333333， 2.6，3.5，1.166666667，1.166666667，1.333333333，NA，1.166666667， 1，1.833333333，1.666666667，1.833333333，1.333333333，1.333333333， 3.333333333、1、2.5、1.5、1.5、1.66666667、2、1.66666667、1.333333333， 1，1，1，1.166666667，3.166666667，3.333333333，1.833333333， 1，2，1，2.166666667，3，1，1.166666667，1，NA，1.5，1.333333333， 4，3.5，2.5，2.333333333，2.833333333，2，1.666666667，NA，2.8， 1.833333333，2.666666667，2.666666667，2.666666667、3，3.666666667， 3.833333333，1.833333333，1.166666667，1.333333333，1.5，2.333333333， 1，1.833333333，1.166666667，3.333333333，4.166666667，2.166666667， 2.6，4.333333333，NA，1.666666667，1.666666667，2.833333333， 1.833333333、2.5、2.166666667、4.166666667、3.333333333、3.833333333， 2.5、1.833333333、1、1、1.166666667、2.166666667、2.66666667， 1，1，1.5，2，1.5，1.333333333，1.833333333，1.5，NA，NA，3.333333333， 1，2.666666667，2.666666667，2.5，1.166666667，1.166666667，1.333333333， 1，1.333333333，2.333333333，1.666666667，1.5，1.666666667，1.333333333， 1，2，1.833333333），Cognitiv_Anxiety = c（2.8，1.6，1.6，1.4， 2.6、2.2、3、3.4、3.6、3.4、1.2、1.6、1.8，NA，2.2、1.6、3.2， 2.4、3、2.2、3.4、2.8、2.4、2.8、2.8、2.25、1.2、1.66666667， 2，1.4，2，1.6，1.75，1.4，4.2，3.6，3.333333333，4.6，3，2.4， 3.2、4.4、2、1、1.6，NA，1.6、1.2、3.8、4、4.6、4.8、3.4、2.6， 4.2，NA，4.2、4.6、3.8、4.2、1.4、2.8、3.4、4.8、3.6、3.2、3.4， 3、4.8、4.2、3.2、3、3、3.6、2.4、3.2、4.8，NA，3.2、3.25、2 2.6、2.6、2.6、5、4.8、4、3.2、2.4、1.8、1、1、3.4、3.6、1.4， 1，1.8，2，1，1，3.4，2.8，NA，NA，4.8，1.6，3.8，3.6，2.8，1.8， 2.4、1.8、3.4、1、2.4、2.4、2.6、2.8、1、1、2、1.4），置信度= c（4.2， 4.6、4.6、5、3.6、4.4、2.4、2.8、1.6、1.4、4.2、3.6、4，NA，3.8， 3.8、4、4.2、3.2、3.8、3.8、4、2.4、2.8、2.8、4、4、4、3.8、4.4， 3.2、4.4、5、4.8、2.4、2.6、2.6、3.2、2.6、2.8、3.2、2.8、3.2， 4.6、3.2，NA，5、5、2.6、2.8、1.6、1、5、4、2.6，NA，2、1.2， 3、1.6、5、4、3.4、2.8、4.4、3、3.4、4、3.4、3、3.4、3、3.2， 4.4、3、2.4、1.4，NA，4、4.2、4.4、4.4、3.2、3.8、1.2、1、1， 2.8、2.8、3.4、4.2、5、2、1.8、3.8、5、3.6、3.4、4.8、4.2、2.6， 2.2，NA，NA，1.2、5、2.8、2.4、3.6、3.2、4、4.2、4、4、3.2、3.6， 3.2、3.6、5、5、3.8、3.4）），row.names = c（NA，-122L），class = c（“ tbl_df”， “ tbl”，“ data.frame”））