R中Friedman检验指定groups、blocks列报错及结果与SPSS不一致问题咨询

1. 报错原因 #

基础包内置的friedman.test()仅支持无重复完全区组设计，要求任意1个groups和blocks的交叉组合下仅存在1个因变量观测值。你的数据中，treatment和day的每个交叉组都包含3个score值，不符合该函数的输入要求，因此触发“不属于无重复完全区组设计”的报错。

2. 转矩阵后结果异常的原因 #

• 包含因子型变量的整个数据框转为矩阵时，因子会被强制转换为底层整数编码，丢失分类属性
• friedman.test()接收矩阵输入时，默认矩阵行对应区组、列对应处理，每个单元格为单个观测值，你的转换后矩阵结构完全不匹配该要求，因此输出结果错误，自由度和SPSS不一致。

3. 正确实现方案（与SPSS结果对齐） #

你需要使用支持带重复完全区组设计的检验函数，或者先聚合数据适配基础包要求：

方案1：直接处理带重复数据（推荐，适配绝大多数SPSS操作逻辑） #

使用rstatix包的friedman_test()函数，不需要调整数据结构，结果可直接和SPSS对齐：

# 首次运行先安装依赖包
install.packages("rstatix")
library(rstatix)
library(dplyr)

# 确认变量类型
sample_data$treatment <- as.factor(sample_data$treatment)
sample_data$day <- as.factor(sample_data$day)

# 执行检验，score ~ 处理变量 | 区组变量
friedman_res <- sample_data %>% 
  friedman_test(score ~ treatment | day)

# 输出完整检验结果
print(friedman_res)

如果你的SPSS操作是将所有重复观测直接纳入分析，用该方案即可得到完全一致的结果。

方案2：适配基础包friedman.test()的要求 #

如果必须使用基础包函数，需要先对每个treatment*day组的score取平均值，转换为无重复结构后再检验：

# 聚合数据，每个treatment-day组合保留1个平均score
agg_data <- aggregate(score ~ treatment + day, data = sample_data, FUN = mean)

# 运行基础包Friedman检验
friedman_base <- friedman.test(y = agg_data$score, groups = agg_data$treatment, blocks = agg_data$day)
print(friedman_base)

如果你的SPSS操作中先对重复观测做了均值聚合，用该方案对齐结果。

4. 检验统计量提取方法 #

Friedman检验的核心检验统计量Q本身服从卡方分布，你所说的卡方值就是检验统计量，可直接从结果对象中提取：

• 方案1结果提取：friedman_res$statistic为统计量值，friedman_res$df为自由度，friedman_res$p为p值
• 方案2结果提取：friedman_base$statistic为统计量值，friedman_base$parameter为自由度，friedman_base$p.value为p值

内容的提问来源于stack exchange，提问作者ineedhelp