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”))