stat_compare_means()与compare_means()/t.test()的p值不一致问题

这种情况确实挺闹心的——明明用了同样的数据，不同工具算出来的p值却不一样，而且还确认了版本是最新的。我之前也碰到过类似的坑，大概率是这几个细节没对齐，咱们一步步排查：

1. 检验方法的参数没完全匹配 #

这是最常见的原因！compare_means()、stat_compare_means()和t.test()的默认参数可能有细微差异，哪怕都是t检验，细节不同结果也会变：

• 方差齐性假设：t.test()默认是Welch t检验（var.equal=FALSE），但如果你在stat_compare_means()里没明确指定这个参数，会不会不小心用了方差齐的t检验？
• 配对检验：如果你的数据是配对设计，有没有在三个函数里都加了paired=TRUE？漏一个就会差很多。
• 多重比较校正：划重点！compare_means()默认会用holm方法校正p值（p.adjust.method="holm"），但stat_compare_means()默认是输出原始p值！如果是多组两两比较，校正后的p值肯定比原始值大，比如你看到的0.32（校正后）和0.149（原始）就很符合这个情况。

解决办法：把所有参数都写死，确保三者完全一致。比如：

# compare_means用原始p值，不校正
compare_means(y ~ group, data = my_data, method = "t.test", 
              var.equal = FALSE, paired = FALSE, p.adjust.method = "none")

# stat_compare_means同步参数
ggplot(my_data, aes(x=group, y=y)) +
  geom_boxplot() +
  stat_compare_means(method = "t.test", 
                     method.args = list(var.equal = FALSE, paired = FALSE),
                     p.adjust.method = "none",
                     label = "p.format")

# 用t.test手动验证
t.test(y ~ group, data = my_data, var.equal = FALSE, paired = FALSE)

2. 用的不是同一个数据集 #

别笑，这个坑真的很容易踩！比如你在ggplot里加了过滤（比如filter(my_data, category == "X")）或者分面，但compare_means()用的是完整数据集，那p值肯定对不上。

解决办法：把ggplot里用到的数据集单独存成一个变量，然后所有检验都用这个变量：

# 先统一数据集
plot_data <- filter(my_data, category == "X")

# ggplot用这个数据集
ggplot(plot_data, aes(x=group, y=y)) + geom_boxplot() + stat_compare_means(...)

# compare_means也用这个数据集
compare_means(y ~ group, data = plot_data, ...)

3. 分组逻辑不一致 #

如果你的图里用了color、fill或者分面（facet_wrap()），stat_compare_means()会自动在每个分组/分面内做检验，但compare_means()默认是对整个数据集做检验，不会自动分组。

比如你画的是每个condition下的两组比较，但compare_means()没加group_by参数，那结果肯定不一样。这时候要给compare_means()加上分组：

compare_means(y ~ group, data = my_data, group_by = "condition", ...)

4. 自动选择的检验方法不同 #

如果没给stat_compare_means()指定method，它可能会根据数据自动选检验方法——比如样本量小或者数据非正态时，自动用Wilcoxon秩和检验，而你手动用的是t检验，那p值自然不同。

解决办法：明确指定method="t.test"（或者你需要的方法），避免自动选择。

按照这几步排查，基本上就能找到问题所在，把p值对齐了。

内容的提问来源于stack exchange，提问作者NRuecker