r - пост-специальное сравнение в лог-линейных моделях

Question

У меня есть простой набор данных, документирующий количество людей с различным выбором при разных условиях:

condition <- c("A","A","A","A","B","B","B","B")
choice <- c("s1","s2","s3","s4","s1","s2","s3","s4")
count <- c(253,93,584,101,850,1275,1725,450)
data <- as.data.frame(cbind(condition, choice, as.numeric(count)))

tb <- xtabs(count ~ condition + choice, data=data)

> tb    
            choice
condition   s1   s2   s3   s4
        A  253   93  584  101
        B  850 1275 1725  450

ggplot(data=data, aes(x=condition, y=count, fill=choice)) +
  geom_bar(position = "fill",stat="identity")

Я могу использовать loglm, чтобы показать, что в разных условиях люди делают разные выборы.

model.llm <- loglm( ~ condition + choice, tb)

> model.llm
Call:
loglm(formula = ~condition + choice, data = tb)

Statistics:
                      X^2 df P(> X^2)
Likelihood Ratio 232.1211  3        0
Pearson          199.8948  3        0

Но как мне кодировать тест, чтобы показать, что "при условии B больше людей выберут s2, меньше людей выберут s3"? Я знаю, что могу перегруппировать исходные данные в s2 против других и в s3 против других и т. Д. И повторно провести тест. Но есть ли более комплексный способ сделать специальные тесты в таком случае?

Большое спасибо заранее.