毕业论文要做方差分析,学校的 SPSS 授权却只能在机房用。网上的答案常常是“装 JASP 就行”。这话有一半对:常见分析它能做;但当你换了软件,结果数字却对不上时,真正需要的是知道差异从哪里来。

先说结论: 想点菜单、尽快完成常规分析,从 jamovi 或 JASP 开始。要长期做研究、需要完全可复现的流程,学 R。这三者都不是“全面替代 SPSS”,手里有特定模块需求或单位强制要求时,还是要核对清楚。

本文测试范围(2026-11-09): R 代码已在 R 4.3.3 和 car 3.1-2 上实际运行。代码在编辑环境(Linux)中运行。JASP 和 jamovi 没有实际操作,第 4 节只给出 R 的对照值。文中的数字只来自 R。

1. 三个工具分别是什么

| | JASP | jamovi | R | |---|---| | 操作方式 | 菜单,结果随设置实时更新 | 电子表格加菜单,结果实时更新 | 写代码 | | 费用 | 免费 | 桌面版免费,另有云版本 | 免费 | | 许可证 | AGPL-3.0(仓库 COPYING) | AGPL-3.0(仓库 LICENSE.md,部分组件另有许可) | GPL-2.0(ZIRULAB 工具库记录) | | 特点 | 频率学派和贝叶斯方法并列 | 界面接近电子表格,可用模块扩展 | 方法最全,流程可完全脚本化 | | 上手难度 | 低 | 低 | 较高 |

JASP 和 jamovi 的计算都基于 R 生态,但不等于默认设置和 R 完全一样。

2. 用同一份数据做同一件事

本文使用 R 自带的 PlantGrowth 数据集:3 组植物干重,每组 10 个样本。这份数据公开、体积小,也可以导出成 CSV 放进 JASP 或 jamovi。

研究问题:三组的平均干重是否不同?

3. R 的完整流程

需要 R 和 car 软件包(install.packages("car"))。下面的代码可以直接运行,同时会导出 plantgrowth.csv。

library(car)
d <- PlantGrowth
write.csv(d, "plantgrowth.csv", row.names = FALSE)

# 1. 描述统计
aggregate(weight ~ group, d, function(x) c(n = length(x), mean = mean(x), sd = sd(x)))

# 2. 前提条件
by(d$weight, d$group, shapiro.test)
leveneTest(weight ~ group, d)                    # 默认以中位数为中心

# 3. 单因素方差分析
fit <- aov(weight ~ group, d)
summary(fit)

# 4. 事后比较
TukeyHSD(fit)

# 5. 不假设方差相等 / 非参数
oneway.test(weight ~ group, d)
kruskal.test(weight ~ group, d)

# 6. 记录版本,写进方法部分
sessionInfo()

实际运行结果:

项目 结果
ctrl / trt1 / trt2 均值 5.032 / 4.661 / 5.526
标准差 0.583 / 0.794 / 0.443
Levene(以中位数为中心) F(2, 27) = 1.119,p = 0.341
单因素 ANOVA F(2, 27) = 4.846,p = 0.016,η² = 0.264
Welch ANOVA F(2, 17.13) = 5.181,p = 0.017
Kruskal-Wallis χ²(2) = 7.988,p = 0.018
Tukey:trt2 − trt1 差值 0.865,调整后 p = 0.012
Tukey:trt1 − ctrl 差值 −0.371,调整后 p = 0.391
Tukey:trt2 − ctrl 差值 0.494,调整后 p = 0.198

读法是:整体存在组间差异,而具体来说,只有 trt2 和 trt1 之间的差异在 Tukey 校正后达到 0.05 水平。

4. 在 JASP 和 jamovi 中验证

把 plantgrowth.csv 导入后,把 weight 设为因变量,group 设为分组变量,运行单因素方差分析,勾选方差齐性检验和 Tukey 事后比较。不同版本的菜单名称可能不同。

项目 R 4.3.3 的结果(对照值)
ANOVA F 4.846
ANOVA p 0.016
Tukey trt2 − trt1 p 0.012

本文没有在 JASP 和 jamovi 中运行这个分析,所以这里不给出它们的数字。上表是 R 的结果,可以作为对照值:在你使用的版本中做同样的分析,如果 F、p 或 Tukey 的结果不同,按第 5 节的顺序检查设置。脚本和数据:r_stats_demo.R、plantgrowth.csv,完整输出见 r_stats_output.txt。

5. 结果对不上时,按这个顺序检查

下面的数字都是在 R 里实际运行的。

① t 检验是 Student 还是 Welch。 比较 ctrl 和 trt1,两种方法的 t 值都是 1.1913,但自由度和 p 不同:Student 为 df = 18,p = 0.2490;Welch 为 df = 16.52,p = 0.2504。R 的 t.test() 默认是 Welch,其他软件的默认值或显示方式可能不同。

② Levene 检验以均值还是中位数为中心。 同一份数据,以中位数为中心得 F = 1.119,p = 0.341;以均值为中心得 F = 1.237,p = 0.306。

③ 平方和类型。 这是最容易造成“差很多”的原因。下面用模拟的不平衡两因素数据(共 48 例,各单元 22、8、6、12 例)比较因素 A:

| 类型 | A 的平方和 | F | p | |---|---| | Type I(先放 A) | 56.437 | 29.32 | 2.4 × 10⁻⁶ | | Type II | 19.295 | 10.03 | 0.0028 | | Type III | 19.4 | 10.10 | 0.0027 |

各组人数不等时,三者含义不同,结果也不同。aov() 和 anova() 给出的是 Type I,结果还与变量顺序有关;SPSS 的 GLM 默认一般是 Type III。使用 Type III 时,还要设置总和对比(contr.sum),否则结果没有预期含义。

④ 缺失值。 含缺失值时 R 的 mean() 默认返回 NA,使用 na.rm = TRUE 才会计算。不同软件和分析对缺失值的处理(整例删除或按配对删除)可能不同。

⑤ 分位数定义。 同一组 ctrl 数据的第一四分位数,R 的 type 1、6、7 分别得到 4.53、4.5225 和 4.55。箱线图和描述统计的小差异常来源于此。

⑥ 变量类型和编码。 数字编码的分组被当成连续变量,模型就完全不同了。

⑦ 单尾或双尾、多重比较校正方法、舍入位数。 报告前逐项对比。

6. SPSS 的哪些部分不能简单替代

根据 IBM 产品页面,SPSS Statistics 有 Custom Tables、Complex Samples、Exact Tests、Forecasting 等附加能力,部分属于单独的模块或更高版本。常见的现实差异包括:

  • 复杂抽样和定制表格: 这些是 IBM 列出的专门功能,切换前要确认替代方案是否满足你的设计。
  • 语法资产: 现有的 SPSS Syntax 不能直接在其他软件中运行。
  • 单位和期刊要求: 有的流程指定使用 SPSS,这不是统计问题,而是合规问题。
  • 技术支持: 商业合同带来的支持,开源软件主要依靠社区。

价格和授权因地区和机构而不同,请以 IBM 官方报价为准。另外,先问问学校是否有校园授权,有时最省事的办法就是用现成的。

7. 怎么选

读者 建议
本科生,课程作业和毕业论文 从 jamovi 或 JASP 入手,老师指定 SPSS 时听老师的
研究生,准备长期做研究 用 jamovi 或 JASP 过渡,同时学习 R,因为导师和审稿人可能要求复现
科研人员,数据和分析反复进行 以 R 为主,关键分析保存脚本和 sessionInfo()
依赖 SPSS 复杂抽样、定制表格或已有语法 暂时保留 SPSS,先做小规模迁移测试

无论选择哪个工具,都要在方法部分写明软件名称、版本、检验类型和校正方法。