关于成分数据分析的问题

代码如下：

library(compositions)

library(readxl)

data <- read_excel("C:/Users/Arvin/Desktop/Rproject/数据1.xlsx")

# 选择需要用作成分的列和协变量、因变量的列

comp_cols <- c("SLP", "LPA", "MVPA", "SB")

covariate_col <- "Gender"

response_col <- "Health"

# 提取成分数据

comp <- data[, comp_cols]

comp <- acomp(comp)

#构建回归模型

ilr_comp <- ilr(comp)

lm_model <- lm(data[[response_col]] ~ ilr_comp + data[[covariate_col]])

#输出经过ilr转换之后的多元回归分析结果

summary(lm_model)

在上述的代码当中，对SLP、LPA、MVPA、SB进行了ilr转换，构建了回归模型，然后再进行了多元回归分析，主要是想知道四种行为对健康这一因变量的影响，但是输出的结果是这样的：

Call:

lm(formula = data[[response_col]] ~ ilr_comp + data[[covariate_col]])

Residuals:

    Min      1Q  Median      3Q     Max

-4.4562 -0.7854  0.1069  0.8792  2.2847

Coefficients:

                      Estimate Std. Error t value Pr(>|t|)    

(Intercept)            5.60516    0.17658  31.743  < 2e-16 ***

ilr_comp1              0.02019    0.09443   0.214 0.830762    

ilr_comp2             -0.22391    0.06067  -3.690 0.000236 ***

ilr_comp3             -0.02547    0.10870  -0.234 0.814766    

data[[covariate_col]] -0.34550    0.08030  -4.303 1.85e-05 ***

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.279 on 1028 degrees of freedom

Multiple R-squared:  0.03856, Adjusted R-squared:  0.03482

F-statistic: 10.31 on 4 and 1028 DF,  p-value: 3.477e-08

然后查了一下chatgpt，它的解释是ilr转换会对数据进行降维，因此在结果中出现了ilr_comp1  、ilr_comp2  、ilr_comp3  这三个因子，但是这三个因子又不对应上述的四种行为，不是我想要的结果，我想要的是四种行为在经过了ilr转换之后，各个行为对因变量健康的β值以及P值，这时候该如何解决？ 

感谢感谢感谢！！！