在R中如何将分类变量转换为有序变量以得到正确的ANOVA计算结果

你观察到的结果一致的原因是正确的：对变量做加减平移后转成无序因子（as.factor()）时，因子的水平仅作为分类标签，数值本身的大小、位置信息完全不会被纳入方差分析的计算，等价于给同一组类别换了一套名字，因此两个模型输出完全相同。

要实现你的需求，需要将变量转换为有序因子，R中使用ordered()而非as.factor()进行转换，有序因子默认采用多项式对照，会用到水平的排序、数值间隔与相对位置信息，修改后的参考代码如下：

# 提前在数据集内完成有序因子转换，指定水平顺序保证数值逻辑正确
df$Intention_ord <- ordered(df$Intention, levels = c(-1, 1))
df$quiet_only_ord <- ordered(df$quiet_only, levels = c(0, 2))
df$loud_only_ord <- ordered(df$loud_only, levels = c(-2, 0))

# 拟合quiet_only对应的模型
quiet_result = aov(overbearing ~ Intention_ord * quiet_only_ord, data=df)
summary(quiet_result)

# 拟合loud_only对应的模型
loud_result = aov(overbearing ~ Intention_ord * loud_only_ord, data = df)
summary(loud_result)

修改后两个模型的Intention p值会出现差异的原因：有序因子的检验会用到水平的数值属性，quiet_only的0水平对应原始sound变量的-1，loud_only的0水平对应原始sound变量的1，两个模型中0点对应的实际分组不同，检验「0水平下Intention的效应」得到的结果自然会有区别。

如果你的核心需求就是检验调节变量取特定水平时Intention的效应，更规范且不易出错的方式是直接做简单效应检验，无需手动平移变量，可借助emmeans包实现：

library(emmeans)
# 用原始sound变量直接拟合全模型
df$sound_ord <- ordered(df$sound, levels = c(-1, 1))
full_model <- aov(overbearing ~ Intention_ord * sound_ord, data = df)
# 直接输出sound取不同水平时，Intention的效应检验结果
pairs(emmeans(full_model, ~ Intention_ord | sound_ord))

内容的提问来源于stack exchange，提问作者Ellen Cheng