待解决问题：

做代谢组学分析，一共有147种代谢物，需要每个单独和其他选定的协变量一起放入线性回归模型中，依次替换147种代谢物，完成147次回归分析。

---

实现步骤：

R语言

1、 数据预处理：excel和spss 2、 for循环 3、 lm() 线性回归 4、 导出结果分析

---

具体操作：

1. 数据预处理：excel和spss

excel：数据转置，改为横向数据；生成log转化代谢物含量；给代谢物按顺序命名为com1 TO com147 spss：可视化检查数据，为多分类变量生成哑变量dummy。

2. for循环

一开始的思路不对，总想着要在lm函数里面使用i，依次替换代谢物的变量名。后来发现了，应该无法实现，因为生成的com[i]是一个向量或是列表，反正就是无法放入回归函数中使用。 最后明白了，应该是直接依次“提取”第i个代谢物。

for (q in c(222:368)){ #我的代谢物放在第222至368列 result <- lm(tdata$Y~ tdata[,q]+tdata$age) } #注意：不能使用data=tdata这样，而一定要用$提取变量，否则tdata[,q]会报错

3. lm() 线性回归

timo <- data.frame() #先创建一个空数据框，否则后面<- 赋值会提示找不到timo for (q in c(222:368)){ result <- lm(tdata$Y~ tdata[,q]+tdata$age) out <- data.frame(cbind(names(tdata)[q], t(summary(result)$coe[,4])[,2], t(confint(result)[2,]))) timo <- rbind(out, timo) } print(timo) t(summary(result)$coe[,4])[,2] #提取summary(result)中的第4列第2个coefficient，并转置为列 t(confint(result)[2,]) #提取confint(result)中的第2行，并转置为列。confint是输出2.5%和97.5%，即95%置信区间。 #t()对数据进行行列转置，如果没有这个一步，后面出来的2.5%和97.5%会分成两行。 #运行完可以summary(result)看看，看$coe取到的是不是你所要的自变量的coefficient。

4. 导出结果分析

R包：officer, xtable and flextable

#Officer is a R package that can generate and deal with Word and PowerPoint files. install.packages("officer", dependencies = TRUE) #setup your table install.packages("xtable", dependencies = TRUE) install.packages("flextable", dependencies = TRUE) library(xtable) library(flextable) output = xtable_to_flextable(xtable(timo)) output #output results to word file library(officer) doc = read_docx() doc = body_add_flextable(doc, output) print(doc, "C:/Users/tingt/Desktop/output.docx")

timo是我已经整理成表格形式的结果，要学习如何整理结果，参见R语言数据和统计结果怎么更友好显示并输出到word

心得体会：

放几条学习链接： 先学lm：R语言做线性回归 简易入门：R获取回归系数的置信区间？ R批量差异性分析 一个自己写包分析大气数据的：批量线性回归分析利器anylm R语言导出分析结果 了解officer的细则原理等不错：R语言officer、flextable包生成word报告 这个最好：R语言数据和统计结果怎么更友好显示并输出到word

“懒人”改变世界，懒得做单调重复的事情，所以耐心用了一天的时间写好代码，一键操作，减少出错，心情舒畅。

后记：20201029

今天猛然意识到，如果是多元线性回归，应该直接用GLM generalized linear regression models啊，而不是把这么多变量都放进lm里面？？？