基于diamonds数据集的自动统计检验函数无输出问题求助

你的函数没有输出的核心原因是定义完成后未调用函数，同时代码还存在拼写错误、场景覆盖不全等问题，以下是修正并扩展后的完整解决方案：

修正后的完整代码 #

# 加载数据集（需提前安装tidyverse包）
library(tidyverse)
DB <- diamonds

# 定义自动选择统计检验的函数
auto_stat_test <- function(dependent_var, independent_var) {
  # 1. 双数值变量：Pearson相关性分析
  if(is.numeric(dependent_var) && is.numeric(independent_var)) {
    cor_result <- cor.test(independent_var, dependent_var)
    cat("Pearson相关性分析结果：\n")
    cat(sprintf("相关系数：%.3f，P值：%.4f\n", cor_result$estimate, cor_result$p.value))
  }
  # 2. 双分类/多分类变量：卡方检验
  else if(is.factor(dependent_var) && is.factor(independent_var)) {
    chisq_result <- chisq.test(independent_var, dependent_var)
    cat("卡方检验结果：\n")
    cat(sprintf("P值：%.4f\n", chisq_result$p.value))
    # 补充提示：若单元格期望频数<5，建议用Fisher精确检验
    if(any(chisq_result$expected < 5)) {
      cat("注意：部分单元格期望频数小于5，推荐使用Fisher精确检验替代\n")
    }
  }
  # 3. 数值因变量 + 二分类自变量：独立样本t检验
  else if(is.numeric(dependent_var) && is.factor(independent_var) && length(levels(independent_var)) == 2) {
    t_result <- t.test(dependent_var ~ independent_var)
    cat("独立样本t检验结果：\n")
    cat(sprintf("t值：%.3f，自由度：%.0f，P值：%.4f\n", t_result$statistic, t_result$parameter, t_result$p.value))
  }
  # 4. 数值因变量 + 多分类自变量：单因素ANOVA
  else if(is.numeric(dependent_var) && is.factor(independent_var) && length(levels(independent_var)) > 2) {
    anova_result <- aov(dependent_var ~ independent_var)
    anova_summary <- summary(anova_result)[[1]]
    cat("单因素ANOVA结果：\n")
    cat(sprintf("F值：%.3f，组间/组内自由度：%d/%d，P值：%.4f\n", 
                anova_summary$F[1], anova_summary$Df[1], anova_summary$Df[2], anova_summary$`Pr(>F)`[1]))
  }
  # 5. 分类因变量 + 数值自变量：二分类逻辑回归
  else if(is.factor(dependent_var) && is.numeric(independent_var)) {
    if(length(levels(dependent_var)) == 2) {
      logit_result <- glm(dependent_var ~ independent_var, family = binomial)
      logit_summary <- summary(logit_result)
      cat("二分类逻辑回归结果：\n")
      cat(sprintf("自变量系数：%.3f，Wald卡方P值：%.4f\n", 
                  logit_summary$coefficients[2,1], logit_summary$coefficients[2,4]))
    } else {
      cat("多分类因变量+数值自变量建议使用多元逻辑回归，可自行扩展函数实现\n")
    }
  }
  # 6. 未覆盖的变量组合提示
  else {
    cat("无法识别变量组合类型，请检查变量类型是否正确\n")
  }
}

# 关键：调用函数（原代码遗漏了这一步）
dependent_var <- DB$carat
independent_var <- DB$depth
auto_stat_test(dependent_var, independent_var)

# 测试其他场景示例
# 示例1：数值因变量（price）+二分类自变量（是否为Ideal切工）
auto_stat_test(DB$price, as.factor(DB$cut == "Ideal"))

# 示例2：双分类变量（color+二分类depth）
depth_bin <- cut(DB$depth, breaks = 2, labels = c("低深度", "高深度"))
auto_stat_test(as.factor(DB$color), depth_bin)

主要修正与扩展说明 #

• 添加函数调用：函数定义后必须执行auto_stat_test(dependent_var, independent_var)才会运行逻辑
• 修复拼写错误：将"person correlation"修正为正确的"Pearson correlation"
• 避免内置函数冲突：用cor_result、chisq_result等命名替代c、q（避免覆盖R内置的c()函数）
• 优化输出格式：用cat+sprintf替代print(paste)，输出更易读
• 补充场景覆盖：新增了t检验、ANOVA、逻辑回归等常见统计场景的处理
• 添加实用提示：比如卡方检验期望频数不足时的替代方案提示

内容的提问来源于stack exchange，提问作者Sari Katish