r语言。有两个excel表格，表格中都是数字数字矩阵。对两个表格中相应位置的数字做回归分析，并作相关性检验。输出回归分析的平均系数和相关性检验的平均值

首先，需要用R读取两个excel表格，可以使用`readxl`包来实现。假设两个表格分别为`data1.xlsx`和`data2.xlsx`，并且两个表格中的数字矩阵大小相同，可以使用以下代码读取数据：

library(readxl)

data1 <- read_excel("data1.xlsx")
data2 <- read_excel("data2.xlsx")

接下来，对两个表格中相应位置的数字做回归分析。可以使用`lm()`函数来进行简单线性回归分析。假设两个表格中的数字矩阵为`data1`和`data2`，可以使用以下代码对每个位置进行回归分析：

coef_list <- list()
for (i in seq_along(data1)) {
  coef_list[[i]] <- coef(lm(data1[,i] ~ data2[,i]))
}

这个代码会生成一个名为`coef_list`的列表，其中每个元素是一个向量，包含了对应位置的回归系数。接下来，可以计算回归系数的平均值：

mean_coef <- colMeans(do.call(rbind, coef_list))

这个代码会生成一个名为`mean_coef`的向量，包含了所有回归系数的平均值。

最后，需要进行相关性检验。可以使用`cor()`函数来计算两个矩阵的相关系数。假设两个矩阵为`data1`和`data2`，可以使用以下代码计算相关系数：

cor_list <- list()
for (i in seq_along(data1)) {
  cor_list[[i]] <- cor(data1[,i], data2[,i])
}

这个代码会生成一个名为`cor_list`的列表，其中每个元素是一个数字，表示对应位置的相关系数。接下来，可以计算相关系数的平均值：

mean_cor <- mean(unlist(cor_list))

这个代码会生成一个名为`mean_cor`的数字，表示所有相关系数的平均值。

综合起来，可以使用以下代码实现对两个表格中相应位置的数字做回归分析，并作相关性检验。其中，`data1.xlsx`和`data2.xlsx`需要替换成实际的文件名。

library(readxl)

# 读取数据
data1 <- read_excel("data1.xlsx")
data2 <- read_excel("data2.xlsx")

# 回归分析
coef_list <- list()
for (i in seq_along(data1)) {
  coef_list[[i]] <- coef(lm(data1[,i] ~ data2[,i]))
}

# 平均回归系数
mean_coef <- colMeans(do.call(rbind, coef_list))

# 相关性检验
cor_list <- list()
for (i in seq_along(data1)) {
  cor_list[[i]] <- cor(data1[,i], data2[,i])
}

# 平均相关系数
mean_cor <- mean(unlist(cor_list))

注意，这个代码假设两个表格中的数字矩阵大小相同，如果不同的话需要先进行处理。此外，这个代码只考虑了简单线性回归，如果需要进行多元回归或其他类型的回归分析，需要进行相应修改。