R与SPSS混合模型分析结果差异求助：group效应p值悬殊

你遇到的R（p=0.28）和SPSS（p=0.045）中group变量p值差异巨大的问题，大概率是模型设置的细节不一致导致的，以下是按优先级排序的排查方向：

1. 重复测量相关结构的分组变量不匹配 #

• SPSS代码：/REPEATED=Index1 | SUBJECT(ID) COVTYPE(AR1)，这里指定重复测量的分组是ID
• R代码：correlation = corAR1(0, form =~1|Onderzoeksnummer)，这里用的是Onderzoeksnummer作为相关结构的分组变量
• 问题：如果Onderzoeksnummer和ID不是同一个变量（比如拼写错误、大小写差异），会导致残差相关结构完全错误，直接影响固定效应的p值。
• 验证方法：在R中检查Onderzoeksnummer和ID是否完全一致（比如用table(data$ID, data$Onderzoeksnummer)），然后把R代码改成form =~1|ID。

2. 平方和类型不一致（Type I vs Type III） #

• SPSS代码：明确指定了SSTYPE(3)，即第三类平方和，这类平方和会控制所有其他变量的影响来计算每个效应的显著性。
• R代码：lme默认输出的是第一类平方和（按变量进入模型的顺序计算），而你的模型中协变量QUES_pre放在最后，这会导致group的效应没有控制协变量的影响，和SPSS的结果完全不可比。
• 解决方法：在R中使用car包的Anova函数来计算第三类平方和：

  library(car)
  Anova(model1, type = "III")
  

  这会和SPSS的SSTYPE(3)结果对齐。

3. 自变量time的编码类型不一致 #

• SPSS代码：BY TIME说明TIME是分类变量（因子），模型会拟合每个时间点的单独效应。
• R代码：如果你的time变量是数值型（比如用0、3、9表示随访时间），那么lme会把它当作连续变量处理，这会完全改变group和time*group的效应解释，p值自然差异极大。
• 验证方法：在R中检查class(data$time)，如果是numeric，需要把它转换为因子：

  data$time <- factor(data$time)
  

  然后重新拟合模型。

4. 变量命名大小写不一致 #

• SPSS对变量名不区分大小写，但R严格区分大小写：
  • SPSS中用的是GROUP、TIME，R中用的是group、time
  • 如果你的数据集中变量名是大写（比如GROUP），而R代码中用小写group，那么R会把它当作缺失变量，模型实际没有纳入group变量！这会直接导致p值异常。
• 验证方法：在R中用colnames(data)查看所有变量名，确保代码中的变量名和数据集中的完全一致。

5. 缺失值处理方式差异 #

• SPSS默认：MIXED过程默认使用列表删除（listwise deletion），但如果你的数据有缺失值，需要确认是否和R的na.action=na.omit一致。
• 验证方法：在SPSS中查看输出的“Case Processing Summary”，确认纳入分析的样本量和R中nrow(na.omit(data))的结果是否一致。如果不一致，说明缺失值处理方式不同，需要统一。

6. 随机效应与重复测量结构的等价性 #

SPSS的MIXED中同时指定RANDOM=INTERCEPT和REPEATED=...，与R中lme的random = ~1|ID + correlation = corAR1(...)理论上是等价的，但需要确认SPSS的COVTYPE(AR1)是应用于残差还是随机效应。不过这个点的影响通常小于前面几个，建议先排查前面的问题。

内容的提问来源于stack exchange，提问作者Linda