R语言如何使用for循环计算每位受试者的Pearson相关系数

原代码无法输出单被试单独相关结果，核心问题有两个：

• 循环遍历每个受试者ID时，没有针对当前ID筛选对应的数据子集，cor.test()每次调用都传入了全量样本的两个变量值，因此每次输出的都是所有被试的整体相关结果
• 打印结果的语句中引用了未定义的subj对象，属于笔误，循环内当前遍历到的受试者ID实际存储在你定义的循环变量i中

下面的代码既可以实时打印每个被试的结果，也会把所有结果规整存储为数据框，方便后续导出、做统计分析：

# 初始化空结果表存储所有被试的计算结果
cor_res <- data.frame(
  subject = character(),
  pearson_r = numeric(),
  p_val = numeric(),
  stringsAsFactors = FALSE
)

# 遍历所有唯一的受试者ID
for (subj_id in unique(adult_pref_1$subject)){
  # 提取当前受试者的全部120个试次数据
  current_data <- adult_pref_1[adult_pref_1$subject == subj_id, ]
  # 计算当前被试两个变量的Pearson相关
  cor_output <- cor.test(current_data$own_pref, current_data$profile_rating_new)
  # 将结果追加到结果表中
  cor_res <- rbind(
    cor_res,
    data.frame(
      subject = subj_id,
      pearson_r = as.numeric(cor_output$estimate),
      p_val = cor_output$p.value
    )
  )
  # 打印当前被试的计算结果
  print(paste(
    "受试者ID:", subj_id,
    " Pearson相关系数:", round(as.numeric(cor_output$estimate), 3),
    " p值:", round(cor_output$p.value, 4)
  ))
}

# 所有循环运行完成后，可直接查看全部被试的结果汇总表
View(cor_res)

如果不想手动写for循环，可以借助dplyr包的分组计算逻辑，代码更简洁，也不容易出现索引、筛选相关的笔误：

# 若未安装dplyr，先运行下一行代码安装
# install.packages("dplyr")
library(dplyr)

cor_res_tidy <- adult_pref_1 %>%
  group_by(subject) %>%
  summarise(
    pearson_r = cor.test(own_pref, profile_rating_new)$estimate,
    p_val = cor.test(own_pref, profile_rating_new)$p.value,
    .groups = "drop"
  )

注意：如果个别受试者的数据存在变量无变异、缺失值过多的情况，cor.test()会抛出报错，可提前按被试做数据清洗，或给相关计算加异常捕获逻辑，确保所有被试都有足够的有效试次参与计算。

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