如何通过嵌套循环实现多变量组合的ANOVA批量分析

需求 #

需要通过嵌套循环遍历多个连续因变量和分类自变量，批量执行ANOVA分析，但当前循环代码执行后anovas对象为NULL，无法得到预期结果。

原始代码 #

数据与预处理

# 数据集
test<-structure(list(Alcohol = c(1L, 0L, 1L, 1L, 1L, 0L, 0L, 1L, 0L, 
0L, 0L, 1L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 1L, 1L), Smoker = c(0, 
0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1
), CXMP = c(1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1, 
1, 0, 1, 1, 0), CXDIAG = c(1, 0, 0, 0, 0, 1, 1, 0, 1, 0, 1, 0, 
0, 1, 1, 1, 1, 1, 1, 0, 0, 1), Treatment = c(2, 2, 1, 2, 1, 0, 
2, 0, 0, 0, 2, 2, 0, 2, 0, 0, 2, 2, 1, 1, 2, 1), metformin_base = c(1L, 
1L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 1L, 0L, 1L, 0L, 0L, 1L, 
1L, 0L, 0L, 1L, 0L), BMI = c(38.17, 34.14, 39.55, 49.68, 41.44, 
43.23, 41.65, 53.11, 45.04, 46.78, 52.42, 51.36, 60.7, 48.36, 
53.31, 43.29, 57.44, 53.44, 40.54, 41.2, 55.36, 33.95), Waist = c(120, 
118.5, 129.5, 144, 133.7, 121, 118.7, 139, 120.1, 131.5, 121.5, 
115, 160, 154.1, 147, 128, 134, 132.5, 118, 129, NA, NA), age = c(74.52977413, 
38.02327173, 41.08966461, 63.80013689, 22.12457221, 61.06502396, 
61.55509925, 32.47638604, 65.60438056, 68.6899384, 55.86584531, 
39.52908967, 55.69883641, 57.83709788, 52.98288843, 32.678987, 
63.43052704, 51.29637235, 52.11225188, 67.9945243, 66.7926078, 
38.80903491), charleston = c(5L, 0L, 0L, 2L, 0L, 3L, 2L, 0L, 
3L, 2L, 1L, 0L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 3L, 0L), FOOD_Fruit = c(1, 
1.5, 1, 1, NA, 1, 2, 1, NA, 2, 0, 0, 2.5, 2, 2, 2, 3.5, 2, 2, 
3, 3, 2), FOOD_Vegetable = c(3, 3.5, 2, 2, NA, 1, 1, 2, 2, 3, 
2, 0, 3, 3, 3, 3, 1.5, 2.5, 2.5, 2, 5, 5), exercisemin = c(0L, 
30L, 20L, 0L, NA, 0L, NA, 85L, NA, 0L, 0L, NA, 0L, 80L, 30L, 
10L, 60L, 0L, 0L, 0L, 15L, 60L)), row.names = c(NA, 22L), class = "data.frame")

# 数据转换：分离分类变量与连续变量
catvars<-subset(test, select=c(Alcohol,Smoker,CXMP,CXDIAG,Treatment,metformin_base))
catvars <- catvars %>% mutate(across(everything(), factor))

contvars<-subset(test, select=c(BMI,Waist,age,charleston, FOOD_Fruit,FOOD_Vegetable,exercisemin))
contvars <- as.data.frame(lapply(contvars, as.numeric))

尝试的循环代码（失效）

# 线性模型循环（执行后anovas为NULL）
anovas<-for(i in colnames(contvars)) {                           
 for(j in colnames(catvars)) {
 lm(as.formula(paste0(i , "~" , j)), 
 data=cbind(contvars,catvars))
 }
}

# 计划执行的汇总代码（报错）
summary(aov(anovas))

问题诊断 #

1. for循环无返回值：在R中，for循环仅执行内部操作，不会自动返回结果，直接给anovas赋值for循环会导致anovas为NULL。
2. 未存储模型结果：循环中生成的lm对象没有被保存，每次循环的模型都会被覆盖，最终没有留存任何结果。
3. 汇总逻辑错误：summary(aov(anovas))试图对NULL对象执行ANOVA汇总，必然报错，因为anovas没有有效内容。

解决方案 #

方法1：嵌套循环+列表存储

创建空列表存储所有ANOVA结果，给每个结果命名以对应因变量-自变量组合：

# 创建空列表用于存储所有ANOVA结果
anova_results <- list()

# 嵌套循环遍历连续因变量与分类自变量
for (i in colnames(contvars)) {
  for (j in colnames(catvars)) {
    # 构建公式字符串
    formula <- as.formula(paste0(i, " ~ ", j))
    # 拟合线性模型（自动处理NA，可添加na.action=na.exclude保留缺失值行）
    model <- lm(formula, data = cbind(contvars, catvars))
    # 计算ANOVA并存储，用"因变量_vs_自变量"作为列表元素名称
    result_name <- paste(i, "vs", j, sep = "_")
    anova_results[[result_name]] <- summary(aov(model))
  }
}

# 查看指定结果示例：BMI vs Alcohol的ANOVA汇总
anova_results[["BMI_vs_Alcohol"]]

方法2：用purrr包简化批量操作（更简洁）

利用purrr的交叉映射函数替代嵌套循环，代码更紧凑：

library(purrr)
library(dplyr)

# 生成所有因变量与自变量的组合
var_pairs <- expand.grid(
  dep_var = colnames(contvars),
  ind_var = colnames(catvars),
  stringsAsFactors = FALSE
)

# 批量拟合模型并计算ANOVA
anova_results_purrr <- pmap(var_pairs, function(dep_var, ind_var) {
  formula <- as.formula(paste(dep_var, "~", ind_var))
  model <- lm(formula, data = cbind(contvars, catvars))
  summary(aov(model))
})

# 给结果命名
names(anova_results_purrr) <- paste(var_pairs$dep_var, var_pairs$ind_var, sep = "_vs_")

# 查看示例结果
anova_results_purrr[["Waist_vs_Smoker"]]

注意事项 #

• 数据中存在NA值，lm()默认会删除包含缺失值的行，若需保留可添加参数na.action = na.exclude。
• 若需要提取ANOVA中的关键统计量（如p值），可进一步遍历结果列表，用anova_results[[name]][[1]]$'Pr(>F)'[1]提取每个组合的p值。

内容的提问来源于stack exchange，提问作者stephr