如何用purrr::map与sjPlot::tab_model批量生成独立模型表格

核心思路 #

要解决这个问题，关键是在批量处理时保留因变量的名称，并动态生成模型公式，同时确保每个tab_model()输出独立的结果表格。我们可以用purrr::imap()（针对命名列表的遍历函数）来同时获取列值和列名，避免因变量显示为.x的问题。

完整代码实现 #

# 加载所需包
library(lme4)
library(sjPlot)
library(purrr)
library(dplyr)

# 批量拟合模型并生成独立结果表格
testdata %>%
  select(sfa:pufa) %>%  # 选择需要作为因变量的列
  imap(function(dv_values, dv_name) {
    # 动态生成模型公式，用实际因变量名替换.x
    model_formula <- as.formula(paste0(dv_name, " ~ time_point + (1|subject)"))
    # 拟合线性混合效应模型
    model <- lmer(model_formula, data = testdata)
    # 生成独立表格，指定标题和模型名称
    tab_model(
      model,
      title = paste("线性混合效应模型结果：", dv_name),
      model.names = dv_name,
      # 可选：将表格保存为独立文件
      # file = paste0(dv_name, "_model_results.html")
    )
  })

代码解释 #

1. imap()的作用：imap()会遍历命名列表（这里是select(sfa:pufa)返回的带列名的数据框），每次迭代同时传入列值（dv_values）和列名（dv_name），这样我们就能拿到实际的因变量名称。
2. 动态生成公式：用paste0()拼接出包含实际因变量名的公式，替代之前的.x ~ ...，确保模型中因变量的名称正确。
3. 自定义表格属性：通过title设置每个表格的标题，model.names指定模型显示名称，让输出的表格清晰对应每个因变量。如果需要保存结果，添加file参数即可将每个表格保存为独立的HTML文件。

替代方案（用map2()） #

如果更习惯分开处理列名和列值，可以用map2()实现相同效果：

dv_cols <- testdata %>% select(sfa:pufa)
dv_names <- names(dv_cols)

map2(dv_cols, dv_names, function(dv_values, dv_name) {
  model <- lmer(as.formula(paste0(dv_name, " ~ time_point + (1|subject)")), 
                data = testdata)
  tab_model(model, title = paste("模型结果：", dv_name))
})

内容的提问来源于stack exchange，提问作者KIM