我之前在从SPSS转R做混合ANOVA时也碰到过一模一样的问题，分享几个大概率导致差异的原因和对应的解决思路：

• 对比方式的默认设定差异
  SPSS默认用的是偏差对比（Deviation Contrast），而emmeans在默认状态下的对比逻辑或者模型拟合时的因素对比矩阵和SPSS不一致。你可以先检查R中各因素的对比设定：

  # 查看当前对比方式
  contrasts(data$Session)
  contrasts(data$Cue)
  # 手动设置为和SPSS一致的偏差对比/总和对比
  contrasts(data$Session) <- contr.sum(2)
  contrasts(data$Cue) <- contr.sum(3)
  contrasts(data$Flanker) <- contr.sum(2)
  contrasts(data$Group) <- contr.sum(3)
  

  重新拟合模型后再计算emmeans，大概率能缩小差异。

• 边际均值的加权逻辑不同
  你的各组被试数不等（25、25、23），这时候差异会特别明显：SPSS计算估计边际均值时默认是平衡样本量加权（按理论相等样本量来计算均值），而emmeans默认用的是实际样本量加权。你可以在emmeans中强制指定平衡加权：

  emmeans(model, ~ Session*Cue*Flanker*Group, weights = "equal")
  

• 模型拟合的细节差异

  • SPSS的混合ANOVA默认基于传统重复测量框架，可能会自动应用球形校正；而ezAnova本质是用线性混合效应模型拟合，且平方和类型的设定也可能和SPSS有出入。确认你在ezAnova中是否指定了type = 3（SPSS默认用类型III平方和）：

    ezAnova(data = df, dv = RT, wid = Subject, 
            within = .(Session, Cue, Flanker), between = Group, 
            type = 3)
    

  • 另外，两个软件的模型拟合算法（比如迭代收敛的阈值）也可能有细微差别，你可以尝试在R中用lme4包重新拟合模型后再计算emmeans，对比结果。

• 缺失值处理逻辑不一致
  SPSS在重复测量分析中默认是按列表删除缺失值，而R中的ezAnova如果没特别设置，可能是按行删除。你可以先对数据做统一的缺失值处理，比如用na.omit()预处理后再拟合模型，看看结果是否对齐。

内容的提问来源于stack exchange，提问作者Kerwin Olfers