R新手求助：自动化计算多国tibble变量相关性并存储

首先咱们拆解下你遇到的核心问题，以及对应的修正思路：

1. cor()函数参数缺失：你调用cor(use = "pairwise.complete.obs")时没传入要计算相关的数据集/变量，这就是报错argument "x" is missing的直接原因——cor()需要明确知道要计算哪两个变量的相关性。
2. 相关矩阵需提取数值：对两个变量计算相关时，cor()会返回2×2的矩阵，你得提取出实际的相关系数值（比如矩阵的[1,2]位置，因为相关矩阵是对称的），而非把整个矩阵存进结果。
3. 循环内赋值与行添加错误：你用correl = cor(...)的语法不对（R里赋值要用<-），而且add_row后没有赋值回原tibble，导致结果根本没被保存。

修正后的循环版代码 #

# 初始化结果tibble，提前指定列名和类型更清晰
correl_countries <- tibble(country_id = character(),
                           correlation = numeric())

# 遍历国家列表
for (each in list_countries) {
  # 按国家筛选数据并计算相关系数
  current_correl <- countries_bullying %>%
    filter(CNTRYID == each) %>%
    select(reading_score, bullied_index) %>%
    cor(use = "pairwise.complete.obs") %>%
    # 提取2×2矩阵里的相关系数值
    .[1, 2]
  
  # 将结果添加到tibble，必须赋值回原对象才会保存
  correl_countries <- correl_countries %>%
    add_row(country_id = each, correlation = current_correl)
}

更高效的无循环方案（推荐） #

针对50万行的数据集，用dplyr的分组函数比循环更简洁高效，直接按国家分组计算即可：

correl_countries <- countries_bullying %>%
  group_by(CNTRYID) %>%
  summarise(
    correlation = cor(reading_score, bullied_index, use = "pairwise.complete.obs"),
    .groups = "drop"  # 计算后取消分组状态
  )

额外提示 #

• 如果某些国家筛选后没有有效观测值，cor()会返回NA，你可以在summarise里提前处理，比如加上filter(n() >= 2)来过滤掉观测数不足的组。
• pairwise.complete.obs会在计算每对变量时删除对应行的缺失值；如果需要删除所有含缺失值的行再计算，可改用use = "complete.obs"。

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