如何在大型分组数据集中跳过执行失败的lm回归？

针对分组回归中部分分组因数据无变异、因子水平单一或缺失值导致流程中断的问题，可通过错误捕获机制跳过异常分组，保证整体流程持续执行。以下是修改后的代码：

library(tidyverse)
library(broom)

# 简化数据预处理步骤
output <- dataset %>%
  mutate(
    Y = as.numeric(Y),
    X1 = as.factor(X1),
    X2 = as.factor(X2)
  )

df <- output %>%
  group_by(location) %>%
  do({
    # 用tryCatch捕获回归过程中的错误
    result <- tryCatch(
      # 正常执行回归并提取预测值、学生化残差等结果
      augment(lm(Y ~ X1 + X2, data = .)),
      # 遇错时返回带错误标记的结构化数据，避免流程中断
      error = function(e) {
        tibble(
          Y = NA_real_,
          X1 = NA_character_,
          X2 = NA_character_,
          .fitted = NA_real_,
          .resid = NA_real_,
          .hat = NA_real_,
          .sigma = NA_real_,
          .cooksd = NA_real_,
          .std.resid = NA_real_,
          .error_msg = as.character(e)  # 记录具体错误原因
        )
      }
    )
    # 绑定当前分组的location信息
    bind_cols(location = .$location[1], result)
  }) %>%
  ungroup()

关键细节说明： #

• tryCatch 错误捕获：包裹回归与结果提取操作，当某分组无法完成回归时，自动触发错误处理分支，返回与正常结果结构一致的NA数据行，避免整个流程终止。
• 错误信息记录：新增.error_msg列，记录每个失败分组的具体错误原因（如"singular matrix"对应无变异数据），方便后续定位问题分组。
• 结构一致性：错误分支返回的数据框与正常回归结果列数、类型完全匹配，保证最终输出的数据框结构统一。

可选简化方案： #

若无需保留失败分组的记录，仅需跳过异常分组，可修改错误分支返回空数据框：

error = function(e) tibble()

修改后最终输出的df仅包含回归成功的分组结果。

内容的提问来源于stack exchange，提问作者Betty888