是否有R函数可实现两组对应样本的两两相关性检验？

针对你的需求，这里提供两种可行的实现思路，对应不同的检验场景：

场景1：对每个样本对（A1-B1、A2-B2…），检验该样本对所有指标的A/B值相关性 #

如果你的目标是计算每个样本对（比如A1和B1）中，锌、铁、镉等指标的A组数值与B组数值之间的相关性，可以按以下步骤操作：

步骤1：标准化数据结构 #

先给两个子集添加样本ID，确保A、B组样本一一对应：

# 给conA、conB添加样本ID（假设行顺序就是样本1-5）
conA$sample_id <- 1:nrow(conA)
conB$sample_id <- 1:nrow(conB)

步骤2：转换数据格式并合并 #

将宽格式数据转为长格式，方便按样本分组处理：

library(tidyr)
library(dplyr)

# 转换为长格式：样本ID、指标名、对应数值
conA_long <- conA %>% pivot_longer(-sample_id, names_to = "indicator", values_to = "A_value")
conB_long <- conB %>% pivot_longer(-sample_id, names_to = "indicator", values_to = "B_value")

# 按样本ID和指标名合并数据
merged_data <- inner_join(conA_long, conB_long, by = c("sample_id", "indicator"))

步骤3：批量执行相关性检验 #

使用dplyr分组+broom整理检验结果：

library(broom)

# 按样本ID分组，每组执行Spearman相关性检验
pairwise_cor_results <- merged_data %>%
  group_by(sample_id) %>%
  summarize(
    cor_test = list(tidy(cor.test(A_value, B_value, method = "spearman", exact = FALSE)))
  ) %>%
  unnest(cor_test)

# 查看结果
print(pairwise_cor_results)

步骤4：绘制线性模型图 #

每个样本对单独绘制指标散点图+线性拟合线：

library(ggplot2)

ggplot(merged_data, aes(x = A_value, y = B_value)) +
  geom_point(aes(color = indicator), size = 2) +
  geom_smooth(method = "lm", se = FALSE, color = "darkred") +
  facet_wrap(~sample_id, scales = "free") +
  labs(x = "A组指标值", y = "B组指标值", title = "各样本对指标关联线性拟合图") +
  theme_bw()

场景2：对每个指标（锌、铁、镉…），检验该指标在所有对应样本对中的相关性 #

如果你的目标是针对单个指标（比如锌），检验所有A1-B1、A2-B2…配对样本的数值相关性（每个指标单独生成检验结果和可视化图），可以按以下操作：

步骤1：批量执行指标相关性检验 #

循环遍历每个指标，执行检验并整理结果：

library(broom)
library(dplyr)

# 定义需要检验的指标列表
indicators <- c("zinc", "iron", "cadmium")

# 循环执行检验，存储结果
indicator_cor_results <- lapply(indicators, function(ind) {
  test_res <- cor.test(conA[[ind]], conB[[ind]], method = "spearman", exact = FALSE)
  tidy(test_res) %>% mutate(indicator = ind)
}) %>% bind_rows()

# 查看结果
print(indicator_cor_results)

步骤2：绘制各指标的线性模型图 #

每个指标单独绘制配对样本的散点图+拟合线：

library(ggplot2)
library(tidyr)

# 转换数据为长格式用于绘图
plot_data <- conA %>%
  mutate(group = "A") %>%
  bind_rows(conB %>% mutate(group = "B")) %>%
  pivot_longer(-c(group, sample_id), names_to = "indicator", values_to = "value") %>%
  pivot_wider(names_from = group, values_from = value)

ggplot(plot_data, aes(x = A, y = B)) +
  geom_point(size = 2) +
  geom_smooth(method = "lm", se = TRUE, color = "darkblue") +
  facet_wrap(~indicator, scales = "free") +
  labs(x = "A组指标值", y = "B组指标值", title = "各指标对应样本关联线性拟合图") +
  theme_bw()

内容的提问来源于stack exchange，提问作者Tig