如何利用tidyverse工具简化线性回归系数的批量计算？

问题说明 #

我有一份包含变量名和对应系数的文件，需要用这些变量和系数构建线性回归公式，计算数据集的预测值。示例数据如下：

coefs <- tibble(varname = c("(Intercept)", "dxaids", "abnormal_bun"),
                coef = c(-3.1, 0.1, 0.2))

data <- tibble(dxaids = c(0,0,1), abnormal_bun = c(1,0,0))

目标是给data添加新列y，效果等同于执行：

data %>% mutate(y = -3.1 + 0.1 * dxaids + 0.2 * abnormal_bun)

目前我手动写了包含约25个变量的公式，也能用循环实现，但想找更简洁的tidyverse工具实现方式，或者用矩阵向量乘法完成？循环实现的代码如下：

y <- as.numeric(coefs[coefs$varname == "(Intercept)", "coef"])

for (i in 1:nrow(coefs)) {
  varname <- as.character(coefs[i,"varname"])
  coef <- as.numeric(coefs[i,"coef"])
  if (varname != "(Intercept)") 
    y <- y + coef * data[,varname] 
}

方法一：Tidyverse 简洁实现 #

利用dplyr的across和deframe函数，无需循环即可完成计算：

library(tidyverse)

# 提取截距和变量系数（转成命名向量）
intercept <- coefs %>% filter(varname == "(Intercept)") %>% pull(coef)
var_coefs <- coefs %>% filter(varname != "(Intercept)") %>% deframe()

# 生成预测列y
data %>%
  mutate(y = intercept + rowSums(across(all_of(names(var_coefs)), ~ .x * var_coefs[cur_column()])))

deframe()将变量名-系数的 tibble 转换为命名向量，across(all_of(...))遍历数据集中的目标变量，每个变量对应乘以系数后，用rowSums求和，最后加上截距得到预测值。

方法二：矩阵向量乘法实现 #

通过构造设计矩阵，用矩阵乘法直接计算，效率更高：

# 构造设计矩阵：添加全1的截距列，确保变量顺序和系数表一致
X <- cbind(1, data[, coefs$varname[coefs$varname != "(Intercept)"]])
# 提取系数向量（顺序与设计矩阵列对应）
beta <- coefs$coef

# 计算并添加预测列
data$y <- as.vector(X %*% beta)

设计矩阵第一列为全1，对应截距项，后续列是数据集中的自变量，系数向量的顺序和设计矩阵列完全匹配，矩阵乘法后转成向量即可得到每行的预测值。

内容的提问来源于stack exchange，提问作者qwr