R中循环执行ANOVA测试出现重复结果及变量未全运行问题

问题背景 #

你构建了包含响应变量Attrition和10个连续自变量的数据集sub3，并尝试用循环批量执行ANOVA检验变量关联，但输出结果出现重复行，且误以为未遍历所有变量。

原数据集构建代码 #

sub3 <- df1[, c('Attrition', "Age", "DistanceFromHome", "MonthlyIncome", "NumCompaniesWorked",    "PercentSalaryHike", "TotalWorkingYears", "TrainingTimesLastYear", "YearsAtCompany", "YearsSinceLastPromotion", "YearsWithCurrManager")]
sub3

原ANOVA循环代码 #

df_num <- function(x) {
  aov <- aov(as.numeric(sub3$Attrition) ~ sub3[, x], data = sub3)

  res <- data.frame('row' = 'Attrition'
                , 'column' = colnames(sub3)[x]
                ,  "p.value" = summary(aov)[[1]][["Pr(>F)"]]
                )
  return(res)
}
num_df <- do.call(rbind, lapply(seq_along(sub3)[-1], df_num))
head(num_df)

错误输出 #

p.value
1   Attrition   Age                1.996802e-26 
2   Attrition   Age                 NA  
3   Attrition   DistanceFromHome    5.182860e-01    
4   Attrition   DistanceFromHome    NA  
5   Attrition   MonthlyIncome          3.842748e-02 
6   Attrition   MonthlyIncome           NA  

问题原因分析 #

1. 重复行根源：summary(aov)[[1]][["Pr(>F)"]]会返回长度为2的向量——第一个值是自变量的F检验p值，第二个是残差项的p值（残差项无检验意义，故为NA）。你的代码直接将整个向量存入p.value列，导致每个变量生成两行数据。
2. 关于“未遍历所有变量”：seq_along(sub3)[-1]确实遍历了sub3中除Attrition外的10个变量，只是你用head(num_df)仅查看了前6行（对应前3个变量的两行），并非未遍历全部。

修正方案 #

修改函数，仅提取自变量对应的p值，同时优化公式写法提升代码可读性：

df_num <- function(x) {
  # 获取当前自变量的列名
  var_name <- colnames(sub3)[x]
  # 动态构建ANOVA公式
  formula <- as.formula(paste0("as.numeric(Attrition) ~ ", var_name))
  # 拟合模型，正确使用data参数
  aov_model <- aov(formula, data = sub3)
  # 仅提取自变量的p值（取Pr(>F)列的第一行）
  p_val <- summary(aov_model)[[1]][["Pr(>F)"]][1]
  # 构建结果数据框，避免自动转为因子
  res <- data.frame(
    row = "Attrition",
    column = var_name,
    p.value = p_val,
    stringsAsFactors = FALSE
  )
  return(res)
}

# 执行循环并合并结果
num_df <- do.call(rbind, lapply(seq_along(sub3)[-1], df_num))
# 查看完整结果
print(num_df)

修正后的输出会每个变量对应一行，包含Attrition与该变量的ANOVA p值，无重复行。

内容的提问来源于stack exchange，提问作者Alexandra García