我进行了一项研究，我采用双向重复测量设计来调查受试者是否对主要治疗效果有反应。我主要感兴趣的是受试者随后是否通过恢复到控制水平来补偿治疗效果，或者初始差异是否在治疗期间持续存在（时间 x 治疗相互作用）。

我的因素：

处理：受试者间因素（3 个级别）

暴露时间：受试者内重复测量（4 个级别 - 不包括暴露前值）

治疗 x 时间交互：

误差线 = 标准偏差

我的方差分析结果：考虑了球形度：p = 0.25。调整后的值讲述了同样的故事。

“治疗”和“时间”这两个主要影响都很显着。治疗效果具有较大的效果大小（0.4）。(sensu Cohen) 时间本身并没有那么有趣，效应量很小 (0.08) 交互作用不显着 (p = 0.3) 并且效应量很小 (0.04)。

我的问题：图表似乎显示其中一种处理水平与暴露时间相互作用（图 d）。（即从第 4 天到第 14 天，线并非全部平行） 然而，方差分析结果表明处理之间的差异仍然存在（线保持平行）。我已经查看了主效应水平内的成对比较。

我的问题：我很想包括事后比较来比较每个时间间隔的治疗水平，以表明组间的差异在第 11 天消失了。这是否违背了运行 ANOVA 的目的，这清楚地告诉我我应该只是说明存在主要影响（即图 d 中的治疗组仍然不同）。因此，我真的不应该四处寻找重大差异。

我将我的工作与我的工作进行比较的文献使用了方差分析，但随后也将成对比较放在了各处。我是效果大小的粉丝，而不是 p 值，所以觉得有理由只强调主要治疗效果。

我的主要结论可能会非常不同，这取决于我是否使用 ANOVA（即没有交互 -> 没有恢复）或者我是否在每个时间点包括成对比较（部分恢复）。

旁注：lme 中的混合效应模型给出了相同的结果。我坚持使用方差分析，因为我的观众更有可能与之相关。

感谢您的反馈。