如何批量执行t检验并合并结果为单表？含双数据库for循环实现

研究中需要开展150余组不同组别间的t检验（仅约25个变量结果显著），要将所有结果整理至论文附录的单张表格内，请问有没有简便方法实现结果合并？另外，目前手动执行效率极低，求教如何基于两个数据库用for循环批量执行t检验。

附手动t检验示例代码：

t.test(Q8d3landowner$Q8_1, Q8d3rent$Q8_1, var.equal = TRUE)
t.test(Q8d3landowner$Q8_2, Q8d3rent$Q8_2, var.equal = TRUE)
t.test(Q8d3landowner$Q8_3, Q8d3rent$Q8_3, var.equal = TRUE)
t.test(Q8d3landowner$Q8_4, Q8d3rent$Q8_4, var.equal = TRUE)
t.test(Q8d3landowner$Q8_5, Q8d3rent$Q8_5, var.equal = TRUE)
t.test(Q8d3landowner$Q8_6, Q8d3rent$Q8_6, var.equal = TRUE)
t.test(Q8d3landowner$Q8_7, Q8d3rent$Q8_7, var.equal = TRUE)
t.test(Q8d3landowner$Q8_8, Q8d3rent$Q8_8, var.equal = TRUE)

t.test(Q8d3own$Q8_1, Q8d3rent$Q8_1, var.equal = TRUE)
t.test(Q8d3own$Q8_2, Q8d3rent$Q8_2, var.equal = TRUE)
t.test(Q8d3own$Q8_3, Q8d3rent$Q8_3, var.equal = TRUE)
t.test(Q8d3own$Q8_4, Q8d3rent$Q8_4, var.equal = TRUE)
t.test(Q8d3own$Q8_5, Q8d3rent$Q8_5, var.equal = TRUE)
t.test(Q8d3own$Q8_6, Q8d3rent$Q8_6, var.equal = TRUE)
t.test(Q8d3own$Q8_7, Q8d3rent$Q8_7, var.equal = TRUE)
t.test(Q8d3own$Q8_8, Q8d3rent$Q8_8, var.equal = TRUE)

t检验输出示例：

双样本t检验

数据： Q8d3own$Q8_5 和 Q8d3rent$Q8_5
t = 1.3478, df = 943, p值 = 0.178
备择假设：均值的真实差异不等于0
95%置信区间：
 -0.04012354  0.21607738
样本估计值：
x的均值 y的均值 
 2.884892  2.796915 

一、批量执行t检验（基础for循环实现） #

假设你要对比的变量命名规则统一（如示例中的Q8_1至Q8_8），且对比组为Q8d3landowner vs Q8d3rent、Q8d3own vs Q8d3rent，可以用以下代码批量执行：

步骤1：定义变量名与组别组合 #

# 生成要检验的变量名列表
var_names <- paste0("Q8_", 1:8)
# 定义需要对比的组别对
group_pairs <- list(
  c("Q8d3landowner", "Q8d3rent"),
  c("Q8d3own", "Q8d3rent")
)

步骤2：循环执行t检验并存储结果 #

# 创建空列表存放所有检验结果
t_results <- list()

# 遍历每一组别对
for (pair in group_pairs) {
  # 获取组别对应的数据集
  group1 <- get(pair[1])
  group2 <- get(pair[2])
  
  # 遍历每个变量执行t检验
  for (var in var_names) {
    test_result <- t.test(group1[[var]], group2[[var]], var.equal = TRUE)
    # 给结果命名，方便后续识别对比关系与变量
    result_name <- paste(pair[1], "vs", pair[2], var, sep = "_")
    t_results[[result_name]] <- test_result
  }
}

二、将结果合并为规范表格（适配论文附录） #

使用broom包可以自动提取t检验的关键统计量并整理成数据框，无需手动提取：

步骤1：安装并加载依赖包 #

install.packages("broom")
library(broom)

步骤2：批量整理结果为表格 #

# 将所有t检验结果转换为数据框并合并
t_table <- bind_rows(
  lapply(t_results, tidy),
  .id = "comparison"
)

# 可选：添加显著性标记（符合学术规范）
t_table <- t_table %>%
  mutate(
    sig = case_when(
      p.value < 0.001 ~ "***",
      p.value < 0.01 ~ "**",
      p.value < 0.05 ~ "*",
      TRUE ~ ""
    )
  )

# 可选：筛选论文需要的列（按需调整）
final_table <- t_table %>%
  select(
    comparison,
    estimate1, estimate2,  # 两组均值
    statistic, df, p.value,  # t值、自由度、p值
    conf.low, conf.high,  # 置信区间
    sig  # 显著性标记
  )

# 导出为CSV文件，方便导入Word/LaTeX
write.csv(final_table, "t检验结果汇总.csv", row.names = FALSE)

三、更简洁的tidyverse写法（替代for循环） #

如果习惯使用tidyverse生态，可以用map系列函数实现批量操作，代码更简洁：

library(tidyverse)
library(broom)

# 生成所有需要对比的组合
comparisons <- expand_grid(
  group1 = c("Q8d3landowner", "Q8d3own"),
  group2 = "Q8d3rent",
  var = var_names
)

# 批量执行t检验并整理成表格
final_table <- comparisons %>%
  mutate(
    test_result = pmap(
      list(group1, group2, var),
      function(g1, g2, v) {
        t.test(get(g1)[[v]], get(g2)[[v]], var.equal = TRUE) %>%
          tidy()
      }
    )
  ) %>%
  unnest(test_result) %>%
  mutate(
    comparison = paste(group1, "vs", group2),
    sig = case_when(
      p.value < 0.001 ~ "***",
      p.value < 0.01 ~ "**",
      p.value < 0.05 ~ "*",
      TRUE ~ ""
    )
  ) %>%
  select(comparison, var, estimate1, estimate2, statistic, df, p.value, conf.low, conf.high, sig)

生成的final_table可直接复制到论文附录，或导出为Excel/CSV格式使用。

内容的提问来源于stack exchange，提问作者Corrin Winter