В случае, если кто-то еще следил за этим вопросом для ответа, я думаю, что нашел решение.
То, что я в итоге сделал, это поднабор моих данных и повторный запуск ANOVA как двустороннего ANOVA.
В моем наборе данных меня интересовала доля моллюсков, пойманных в ловушках. Были рассмотрены следующие независимые переменные: поток воды (30 или 39 см), размер зерна осадка (крупный или мелкий) и виды моллюсков (mya или mer c). Когда я запустил трехстороннюю ANOVA, я обнаружил взаимодействие между всеми тремя терминами. В качестве пост-хо c тестов я в итоге выполнил шесть ANOVA: по одному для каждого подмножества данных, включающего только один уровень фактора (ie. Всего 30_cms, скорость потока, затем отдельная модель с подмножеством всего 39_cms) .
Это пример двух ANOVA, которые я выполнял (для фактора «потока воды»):
Clams30<-subset(ClamData, ClamData$Speed == "30_cms")
Clams39<-subset(ClamData, ClamData$Speed == "39_cms")
SpeciesGrainSize30=aov(PropinTrap~Species*GrainSize, data=Clams30)
Anova(SpeciesGrainSize30)
SpeciesGrainSize39=aov(PropinTrap~Species*GrainSize, data=Clams39)
Anova(SpeciesGrainSize39)
Затем я создал таблицу значений p, чтобы определить значимые взаимодействия.
Я надеюсь, что это поможет кому-то в будущем!
Если у кого-то есть более элегантный способ сделать это, мне, безусловно, было бы интересно услышать это.