在R中使用summary(aov)与anova_test为何得到不同统计结果？

我有多个受试者的血液测量指标数据（比如白细胞计数，连续因变量），核心自变量是包含3个水平的分组变量Dx（对照组、抑郁组、缓解组），同时要纳入年龄（连续）和性别（二分类）作为协变量，构建的公式如下：

myform_aov <- as.formula(sprintf("%s ~ %s + %s + %s", current_bc, "age","gender", "Dx"))

分别用两种方法分析后，得到的p值存在细微差异：

• summary(aov(myform_aov, data = data))结果：Dx的p值为0.2377，age为0.018，gender为0.04
• res.ancova <- data %>% anova_test(myform_aov)结果：Dx的p值为0.238，age为0.014，gender为0.06

结果差异的核心原因 #

两者的核心差异来自平方和的计算类型不同：

• aov()默认使用Type I（顺序型）平方和：严格按照公式中变量的输入顺序计算效应——先算年龄的单独效应，再算性别在控制年龄后的附加效应，最后算Dx在控制年龄+性别后的附加效应，结果会受变量顺序影响。
• anova_test()（rstatix包）默认使用Type III（边际型）平方和：直接计算每个变量在控制其他所有变量后的净效应，不受公式中变量顺序的影响，更关注每个变量的独立贡献。

除此之外，两者在p值的近似计算、自由度处理上可能有细微调整，但平方和类型的差异是导致结果不同的主要原因。

哪种方法更合适 #

选择哪种方法取决于你的研究目的：

• 如果核心需求是检验控制所有协变量后，分组变量Dx的独立效应（这也是ANCOVA的常规研究逻辑），那么anova_test()的Type III平方和更合适，它能准确反映Dx在排除年龄、性别干扰后的真实差异。
• 如果研究是想按顺序解释变量的增量贡献（比如先看年龄对血液指标的影响，再加入性别后新增的解释力，最后看Dx的附加影响），那么aov()的Type I平方和更贴合需求。

summary(aov())与anova_test()的主要区别 #

1. 所属工具链：
   • aov()是基础R中stats包的原生函数，无需额外安装。
   • anova_test()属于rstatix包，是为tidyverse生态设计的统计工具，输出格式更适配dplyr、ggplot2等工具。
2. 平方和默认类型：
   • aov()默认输出Type I平方和，原生summary(aov())不支持Type III，需借助其他函数（如car::Anova()）切换。
   • anova_test()默认输出Type III平方和，可通过type参数调整为Type I或Type II。
3. 输出格式：
   • summary(aov())输出传统统计表格，结构固定，不易直接用于后续可视化或数据处理。
   • anova_test()输出tidy格式的数据框，每一行对应一个变量的统计结果，方便筛选、排序或配合其他tidyverse函数使用。
4. 附加功能：
   • anova_test()支持更多进阶分析，比如Welch ANOVA（适配方差不齐的情况）、重复测量ANOVA，还能直接输出效应量（如eta平方），无需额外计算。
   • aov()功能相对基础，如需效应量或特殊检验，需要手动调用其他函数补充。

内容的提问来源于stack exchange，提问作者Robin