我已经编辑了我的代码，通过将期间 pre、mid、post 收集到我的数据框的一列中：1-pre 2-mid 3-post
id<-c(1,2,3,4,5,6,7,8,9)
type<-c(1,2,2,1,2,1,1,1,2) #is the factor level 1 and 2
k1<-c(30.7,20.3,3.4,22,11.6,29.5,15.4,2.7,2.1)
k2<-c(13.4,11,1.4,9.6,17.3,27.1,9.3,5.3,4.7)
k3<-c(1.2,10,4.7,2.6,13.4,14.8,8.8,0.7,4.6)
m1<-c(12 ,12.6, 1.6, 6.2, 10.5, 8.6, 15.3, 1.5, 1.3)
m2<-c(6.6 ,10.5, 0.5, 2.7, 5.2, 8.5, 9.6, 0.6, 4.3)
m3<-c(2,11, 2.6,0.4,7.2,9.4,12.3,0.3,2)
df<-data.frame(type,k1,k2,k3,m1,m2,m3,id)
df[,1]<-as.factor(df[,1])
dflong<-tidyr::gather(df,key=time, value=score, k1:k3,m1:m3)%>% arrange(id)
glm<-glm(type~score*time,family=binomial,data = dflong)
summary(glm)
结果：
glm（公式=类型〜分数*时间，家庭=二项式，数据= dflong）
偏差残差：最小值 1Q 中值 3Q 最大值
-1.6828 -1.0472 -0.6594 1.1871 1.5688
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.44815 1.38283 1.047 0.295
score -0.11494 0.08273 -1.389 0.165
timek2 -0.66855 1.91677 -0.349 0.727
timek3 -2.41924 1.83906 -1.315 0.188
timem1 -0.98737 1.86058 -0.531 0.596
timem2 -1.46293 1.84873 -0.791 0.429
timem3 -1.88813 1.73395 -1.089 0.276
score:timek2 0.01992 0.13972 0.143 0.887
score:timek3 0.22394 0.16556 1.353 0.176
score:timem1 0.02512 0.16115 0.156 0.876
score:timem2 0.07608 0.20938 0.363 0.716
score:timem3 0.15596 0.17164 0.909 0.364
（二项式族的分散参数取为 1）
Null deviance: 74.192 on 53 degrees of freedom
残余偏差：42 自由度上的 69.673 AIC：93.673
Fisher 评分迭代次数：4
结果看起来不错，我只是想对我所做的事情提出第二意见。这样做可以吗？