如何执行统计等价的方差分析？
我阅读了关于等效性的两个单边检验 (TOST)，但是（我认为）对于本研究设计，不可能执行经典的 t 检验，因此需要重复测量方差分析。
该研究设计是一种常见的治疗前-对照设计：有两个不同的组（对照/治疗），并且在基线和随访（MP1 / MP2）处依赖两个测量点。研究问题是，如果治疗是平等的。
我的想法是，方差分析分析了组之间的差异。是否有等效的事后处理，特别是在 R 中？
编辑
感谢 D_Williams，我阅读了using-lsmeans插图和lsmeans参考手册。有一个函数叫做测试。使用此功能，您可以进行等效/非劣效性或非优势性测试。现在我遇到了一个新问题。由于研究设计，我需要重复测量的线性回归。所以这是一个示例数据集：
dataset <- data.frame (ID = rep(1:16),
GROUP = factor(rep(c("A","B"),8)),
MP1 = c(15,12,20,17,28,24,17,10,14,10,25,23,9,18,19,20),
MP2 = c(12,9,19,10,20,15,12,5,12,10,22,15,8,17,10,19),
)
线性回归应该是：
data.lm <- lm (MP2 - MP1 ~ GROUP, data=dataset)
据我理解这个答案是正确的，案例 2b 对我来说是正确的。因为有两个定量变量和一个二分变量。
之后我运行这些命令：
library("lme4", "lsmeans", "estimablity")
data.lsm <- lsmeans(data.lm, "GROUP")
test(data.lsm, null = log(100), delta = 0.20, side="equivalence")
Delta 是等价边际或相似范围。但我不确定 log(100) 是什么。
我的问题是：
这种方法对吗？
和
老实说：我真的不明白最后的步骤。有人有一些代码示例来研究它们吗？
