OK!
Numa leitura perfunctória a gente que não mergulha no assim denominado domínio do problema em contraponto ao domínio da Estatística (como disciplina matemática) obviamente não tem condições de detectar essas coisas que o interessado pode fazer com uma inspeção mais criteriosa.
Ótimo que você detectou e resolveu esse problema.
Alias, sem querer ser enfático demais nem quero parecer que estou colocando sapatos de chumbo nos pesquisadores que efetuam suas análises, gostaria de aproveitar o ensejo para indicar a vantagem de usar um processo de Análise Estatística em três fases (que por sinal, para ficar no tópico desta lista, o R oferece sobejas ferramentas para fazer de maneira expedita e completa):
- Uma estatística descritiva, com ênfase em apresentação gráfica dos dados.
- Uma análise (estatística) exploratória como proposta, principalmente, por Tukey.
- Finalmente a inferencial, levando em conta que a modelagem deve seguir as hipóteses e não o contrário, que seria uma abordagem lícita na exploratória mas passível de ser tachada como Questionable Research Practice – QRP na inferencial!
No caso da descritiva, um diagrama do tipo
Draftsman Draftsman's plot mostraria a correlação "perfeita" entre as duas variáveis e já serviria de um aviso para a não inclusão no modelo.
O plot.design é outro gráfico que permite explorar as possíveis respostas em função dos fatores que se manipularam no experimento.
Por fim além da mecânica de como considerar as repetições, é importante entender a importância dessa correção para que os resultados sejam úteis no estudo do experimento.
HTH
--
Cesar Rabak