如何在含协变量的lm模型中计算目标变量的解释方差？

问题说明 #

你在R中拟合了回归模型 lm(x ~ y + a + b + c)，通过summary()只能拿到整体模型的R²，想知道变量y在控制其他协变量后单独解释的方差比例，之前尝试用sapply(model, function(x) summary(x)$r.squared)报错：Error in summary(x)$r.squared : $ operator is invalid for atomic vectors。

R²差值法的有效性 #

计算含y的完整模型和不含y的模型（lm(x ~ a + b + c)）的R²差值，是完全有效的方法。这个差值就是y在排除a、b、c的影响后，单独为模型贡献的方差比例，也就是统计学里的偏R²。

实现方法 #

1. 手动计算（无需额外包） #

# 拟合两个模型
full_model <- lm(x ~ y + a + b + c)
no_y_model <- lm(x ~ a + b + c)

# 提取各自的R²并计算差值
y_unique_r2 <- summary(full_model)$r.squared - summary(no_y_model)$r.squared
y_unique_r2

2. 用工具包简化计算 #

用olsrr包直接算偏R²

这个包专门做线性回归诊断，能直接输出每个变量的偏R²：

# 安装加载包
install.packages("olsrr")
library(olsrr)

# 拟合模型后计算偏R²
full_model <- lm(x ~ y + a + b + c)
partial_r2_results <- ols_partial_r2(full_model)

# 提取y的偏R²
y_partial_r2 <- partial_r2_results[partial_r2_results$Variable == "y", "Partial R2"]
y_partial_r2

用car包通过方差分析计算

car包的Anova()函数可以计算型II方差分析，通过平方和比例得到偏R²：

install.packages("car")
library(car)

full_model <- lm(x ~ y + a + b + c)
anova_out <- Anova(full_model, type = "II")

# 偏R² = y的平方和 / 总平方和
y_unique_r2 <- anova_out$`Sum Sq`["y"] / sum(anova_out$`Sum Sq`)
y_unique_r2

关于你之前的错误 #

你用sapply报错是因为model是单个lm对象，不是模型列表。sapply是用来遍历列表/向量的，单个模型直接用summary(model)$r.squared就能拿到R²，不需要用sapply。

内容的提问来源于stack exchange，提问作者Elegance