没问题！我帮你调整现有代码，既能保留分组后的相关系数，又能加上显著性检验的p值，有两种简单的方法供你选择：

方法一：用broom包整理检验结果（推荐，输出更规整） #

broom包可以把统计检验的结果转换成整洁的数据框，非常适合和dplyr的分组操作搭配使用。首先需要安装并加载这个包：

install.packages("broom") # 首次使用需要安装
library(dplyr)
library(broom)

然后修改你的代码：

BREAK %>%
  group_by(condition, valence) %>%
  summarize(tidy(cor.test(rt, positive_focused_cognitiveER)), .groups = "drop")

这个代码会返回每个分组的相关系数（estimate列）、p值（p.value列），还有置信区间等额外信息，格式清晰易读。

方法二：手动提取p值（无需额外包） #

如果你不想安装新包，可以直接从cor.test()的结果里提取p值，和原有的相关系数放在一起：

library(dplyr)

BREAK %>%
  group_by(condition, valence) %>%
  summarize(
    COR = cor(rt, positive_focused_cognitiveER),
    p_value = cor.test(rt, positive_focused_cognitiveER)$p.value,
    .groups = "drop"
  )

这样会直接输出两列：COR是相关系数，p_value是对应的显著性p值，完全符合你要的“仅需数值结果”的需求。

小提示 #

• cor.test()默认用的是皮尔逊相关检验，如果你的数据需要用斯皮尔曼或肯德尔相关，可以在函数里加method = "spearman"或method = "kendall"参数，比如cor.test(rt, positive_focused_cognitiveER, method = "spearman")
• .groups = "drop"是为了分组操作后自动取消分组，避免后续操作出现意外

内容的提问来源于stack exchange，提问作者Jannike