如何可靠提取lm/glm模型中公式对应项的系数信息？

使用R语言的lm或glm函数拟合含因子解释变量的模型时，模型会输出每个因子水平（基准水平除外）的估计值与标准误。如何可靠提取公式中每个项对应的这些信息？

示例数据与模型：

hec = reshape2::melt(HairEyeColor)
head(hec)
#   Hair   Eye  Sex value
# 1 Black Brown Male    32
# 2 Brown Brown Male    53
# 3   Red Brown Male    10

拟合不含截距、包含两个因子项的模型：

m = glm(value ~ -1 + Hair + Eye, data=hec)

通过coef(m)可以获取系数，但需要精准提取对应Hair的前4个系数和Eye的后3个系数。

采用字符串匹配的方法存在脆弱性：比如不同项可能生成同名系数，交互项的顺序也会导致匹配错误。曾考虑利用模型的$terms组件，但需要处理截距、交互项等复杂情况，询问是否已有现成的实现方法。

方法一：基于模型内置属性手动映射（无需额外包） #

模型对象的assign属性会记录每个系数对应公式中的哪一项（0代表截距，1及以上对应公式中的项顺序），结合terms组件的标签可以精准匹配：

# 获取每个系数对应的项索引
coef_assign = attr(m$terms, "assign")
# 获取公式中的原始项名称
term_names = labels(terms(m))

# 构建包含所属项的系数数据框
coef_info = data.frame(
  coef_name = names(coef(m)),
  term_group = term_names[coef_assign],
  estimate = coef(m),
  std_error = sqrt(diag(vcov(m)))
)

# 按项筛选系数
hair_coefs = coef_info[coef_info$term_group == "Hair", ]
eye_coefs = coef_info[coef_info$term_group == "Eye", ]

这种方法完全依赖模型内部的映射关系，不会受系数命名、交互项顺序影响，能处理截距、多因子交互等复杂场景。

方法二：使用broom包的现成工具（推荐） #

broom包的tidy()函数可直接返回结构化的系数结果，结合模型的assign属性可以快速添加项分组标签：

library(broom)

# 提取系数的完整信息（含置信区间）
tidy_coefs = tidy(m, conf.int = TRUE)
# 为系数添加所属的原始项标签
tidy_coefs$term_group = labels(terms(m))[attr(m$terms, "assign")]

# 精准筛选目标项的系数
hair_coefs = tidy_coefs[tidy_coefs$term_group == "Hair", ]
eye_coefs = tidy_coefs[tidy_coefs$term_group == "Eye", ]

该方法代码更简洁，同时能输出标准误、置信区间等额外信息，适合快速分析。

交互项场景的适配 #

如果模型包含交互项（比如m = glm(value ~ Hair*Eye, data=hec)），上述两种方法依然适用：term_group会自动对应到Hair、Eye、Hair:Eye等原始项，无需修改代码即可完成分组筛选。

内容的提问来源于stack exchange，提问作者Spacedman