R中不同函数计算均值结果不一致的原因及选择方法

该问题90%以上的诱因是模型设定时未正确声明分类变量类型，剩余小概率原因是数据清洗规则不统一：

• 最核心的常见坑：如果你的Position列在R中存储为数值型（取值1/2/3为数字格式，而非因子/字符串格式），运行lm(Beta ~ Position, data=df)时R会默认将Position识别为连续型预测变量，拟合简单线性回归而非三水平的单因素方差模型。此时emmeans()输出的“各Position水平均值”本质是回归直线在Position=1、2、3三个点上的模型拟合值，不是分组的原始算术均值。如果三个组的Beta值大致随Position呈线性变化，拟合值和原始均值的差异就会很小，和你描述的“小幅差异”完全吻合。
• 你观察到的t.test()结果与emmeans()结果一致，大概率是比对时的误判：手动按Position=="1"/Position=="2"切分子集做t检验时，计算的组均值一定是对应子集的原始算术均值，和线性模型拟合值本来就不该相等；如果数值非常接近，只是因为组均值趋势刚好接近线性，并非两个方法计算的均值完全相同。
• 小概率诱因是缺失值/脏值处理不统一：
  • lm()默认调用na.omit()逐行删除模型涉及变量中带NA的观测，如果你在运行summarise()时没有用相同的缺失值过滤规则（比如提前删了其他变量的NA、或没有排除Position列的NA值），两边用到的分析样本不完全一致，计算出的均值就会有小幅偏差。
  • 如果Position列存在隐式脏值（比如带前后空格的"1 "、全角数字"１"），用== "1"做精确匹配时会漏掉这些脏值对应的观测，而group_by()会把脏值单独归为一类，若你后续没有输出这些脏值组的结果，也会出现两边均值小幅不一致的情况。

• 首先修正模型设定错误：分类自变量进入模型前必须显式转换为因子类型，修正代码如下：

# 先将Position转为三水平因子
df$Position <- as.factor(df$Position)
# 重新拟合单因素方差模型
lm_model <- lm(Beta ~ Position, data = df)
# 再运行emmeans
emmeans(lm_model, pairwise ~ Position)

单因素模型下，只要自变量正确设置为因子，emmeans()输出的估计边际均值会和你按分组计算的原始算术均值完全一致。

• 若修正因子设定后仍有差异，先校验分析样本的一致性：
  运行nobs(lm_model)查看线性模型用到的总样本量，和summarise()输出的各组n之和做比对，如果数值不一致，说明是缺失值/脏值导致的样本偏差，需要先统一数据清洗规则，确保描述统计和推断统计用的是完全同一批样本。
• 结果选用规则：
  • 描述性统计报告的分组均值，必须选用最终纳入分析的样本对应的原始分组算术均值，不要直接用模型拟合值替代。
  • 你之前用summarise()算出的、和SPSS旧结果一致的均值，只要确认对应的样本和你最终做推断检验的样本完全匹配，就可以直接使用；如果样本不匹配，需要重新在清洗后的最终分析样本上计算所有描述统计量，避免出现描述统计和检验结果不对应的问题。

内容的提问来源于stack exchange，提问作者danielb