在R中使用ANOVA检验组间魅力值时间差异的假设

数据准备：宽格式转长格式 #

你的数据集目前是宽格式（每个时间点的魅力值为单独列），而重复测量ANOVA需要长格式数据。先在R中完成格式转换：

library(tidyr)
# 将宽格式转为长格式，提取时间点和对应魅力值
data_long <- your_data_frame %>%
  pivot_longer(
    cols = c(charisma_time1, charisma_time2),
    names_to = "time_point",
    values_to = "charisma_score"
  ) %>%
  # 将时间点转为有序因子，明确时间先后顺序
  mutate(time_point = factor(time_point, levels = c("charisma_time1", "charisma_time2"), ordered = TRUE)) %>%
  # 将group转为因子变量（ANOVA要求分类变量为因子）
  mutate(group = factor(group))

注：把your_data_frame替换成你实际的数据集名称

混合ANOVA模型公式 #

你的研究属于混合设计：group是被试间变量（实验组/对照组），time_point是被试内变量（时间1/时间2），核心要检验的是两者的交互效应（即两组在时间维度上的变化趋势是否不同）。

方法1：基础aov重复测量ANOVA #

# 构建模型，Error(ID/time_point)处理被试内重复测量的误差结构
anova_model <- aov(charisma_score ~ group * time_point + Error(ID/time_point), data = data_long)
# 查看模型结果
summary(anova_model)

方法2：线性混合效应模型（更推荐，适合嵌套数据结构） #

如果数据存在个体差异的嵌套效应，用lme4包的混合模型更稳健：

library(lme4)
lmer_model <- lmer(charisma_score ~ group * time_point + (1 | ID), data = data_long)
summary(lmer_model)

假设验证关键步骤 #

1. 首先关注**交互效应group:time_point**的显著性：如果该效应显著，说明两组的魅力值随时间的变化趋势存在差异，这是支持你假设的前提。
2. 若交互效应显著，进一步做简单效应检验，分别验证两组在两个时间点的差异：

library(emmeans)
# 按分组检验时间点的差异
emmeans(anova_model, pairwise ~ time_point | group)

• 若实验组中charisma_time2的均值显著高于charisma_time1，且对照组中两个时间点的差异不显著，则你的假设得到支持。

内容的提问来源于stack exchange，提问作者Aashiq Reza