最近分析数据遇到一个方差分析的问题，请教一下:

数据是心理学实验中的响应时，分为3 x 3因素，结果见附件的图，其中三种不同颜色的bar对应因素1的三个水平，横轴标注的1、2、3对应因素2的三个水平。

如果按这个3 x 3分析，其中因素1显著，因素2不显著，因素1 x 2的交叉也不显著。

但仔细看的话，可以看到因素1的水平二和三(图中绿色和黄色的bar)在因素2的不同水平下表现是不一样的: 因素2的水平二时黄>绿(pairted ttest p<0.0005, t(33)=4.32)，其他两种情况下黄vs.绿没有显著区别。这一交互效应在上述3 x 3分析中并未体现出来，而如果因素1只取绿、黄两个水平和因素2一起做2 x 3的方差分析的话，交互项是显著的(F(2,66)=3.98, p=0.02)。

从我看过的文献来说，大家似乎都默认从一个全条件的方差分析展开，但我这里就会遇到问题，3 x 3因素表明没有显著交互，那么就没有办法进一步展开对黄 vs. 绿的差异的描述。

对这个结果，我的直观感觉是，因为因素1中蓝色条件和其他两个颜色条件相比差异太大，“掩盖”了黄和绿的结果。我也简单做了一个模拟数值计算测试，发现的确存在这样的现象，即当存在某水平下的数值差异较大的时候，方差分析对应回归分析的variance就更多的被那一项占有，从而削弱其他项，有可能把一个非常显著的交互作用变得不显著。

然而，从我的研究设计逻辑上说，分别分析 蓝 vs. 黄/绿、黄 vs. 绿 从逻辑上说也是讲得通的(这里先略过细节)。因此，如果我直接分别做两个2 x 3因素方差分析，一个专注于蓝 vs. 黄/绿，另一个专注于黄 vs. 绿，可以吗?

这个直观现象，从统计分析上说有比较规范的说法吗? 是否有更加规范的做法来展开? 谢谢大家了!