在R中按指定顺序存储多回归模型：替代嵌套列表的简便方法？

问题背景 #

我需要针对不同因变量运行OLS和IV两种回归模型，最终将所有结果存入一个扁平列表，要求列表元素顺序为：OLS1、IV1、OLS2、IV2、OLS3、IV3（对应3个因变量的情况）。目前采用先创建嵌套列表再展开的方式，想知道有没有更简洁直接的实现方法。

原始实现代码：

library(ivreg)
data(mtcars)

models <- c("mpg", "disp", "hp")

linear_regressions <- list()
iv_regressions <- list()

for (i in models) {
  formula1 <- paste(i, "~ cyl + qsec + carb + drat")
  formula2 <- paste(i, "~ cyl + qsec + carb | drat | wt")
  
  linear_model <- lm(formula = formula1, data = mtcars)
  iv_model <- ivreg(formula = formula2, data = mtcars)
  
  regression_list <- list(linear = linear_model, iv = iv_model)
  
  all_regressions[[i]] <- regression_list
}

flattened_regressions <- unlist(all_regressions, recursive = FALSE)

library(modelsummary)
modelsummary(flattened_regressions, output = "gt") 

模型汇总输出效果为：按OLS1、IV1、OLS2、IV2、OLS3、IV3顺序排列的回归结果汇总表格。

更简洁的实现方法 #

方法1：循环中直接构建扁平列表 #

无需嵌套列表，循环时直接按要求顺序将OLS、IV模型依次追加到目标列表，一步到位，省去后续展开步骤：

library(ivreg)
library(modelsummary)
data(mtcars)

models <- c("mpg", "disp", "hp")
all_regressions <- list()

for (y in models) {
  # 构建拟合公式
  ols_formula <- paste(y, "~ cyl + qsec + carb + drat")
  iv_formula <- paste(y, "~ cyl + qsec + carb | drat | wt")
  
  # 按顺序添加OLS和IV模型到列表
  all_regressions[[length(all_regressions) + 1]] <- lm(ols_formula, data = mtcars)
  all_regressions[[length(all_regressions) + 1]] <- ivreg(iv_formula, data = mtcars)
  
  # （可选）给元素命名，方便后续识别
  model_names <- c(paste0("OLS_", y), paste0("IV_", y))
  names(all_regressions)[(length(all_regressions)-1):length(all_regressions)] <- model_names
}

# 输出汇总表格
modelsummary(all_regressions, output = "gt")

方法2：用purrr实现函数式编程（无显式循环） #

如果习惯tidyverse风格，用purrr::map遍历因变量，每个因变量返回包含OLS、IV的子列表，再用flatten合并为扁平列表，代码更简洁：

library(ivreg)
library(modelsummary)
library(purrr)
data(mtcars)

models <- c("mpg", "disp", "hp")

all_regressions <- models %>%
  map(function(y) {
    list(
      lm(paste(y, "~ cyl + qsec + carb + drat"), data = mtcars),
      ivreg(paste(y, "~ cyl + qsec + carb | drat | wt"), data = mtcars)
    )
  }) %>%
  flatten()

# （可选）给元素命名
names(all_regressions) <- rep(c("OLS", "IV"), length(models)) %>% 
  paste0("_", rep(models, each = 2))

modelsummary(all_regressions, output = "gt")

方法3：基于模型组合的批量拟合（扩展性强） #

先生成所有因变量与模型类型的组合，再批量拟合，适合后续添加更多模型类型或因变量的场景：

library(ivreg)
library(modelsummary)
library(dplyr)
library(purrr)
data(mtcars)

# 定义模型类型及对应的公式模板
model_types <- tibble(
  type = c("OLS", "IV"),
  formula_template = c("{y} ~ cyl + qsec + carb + drat", "{y} ~ cyl + qsec + carb | drat | wt")
)

# 生成所有因变量与模型类型的组合，并确保顺序符合要求
model_specs <- expand.grid(y = c("mpg", "disp", "hp"), type = model_types$type, stringsAsFactors = FALSE) %>%
  left_join(model_types, by = "type") %>%
  arrange(y, type)

# 批量拟合模型并提取为扁平列表
all_regressions <- model_specs %>%
  mutate(
    model = pmap(list(y, formula_template, type), function(y, template, type) {
      formula <- gsub("{y}", y, template)
      if (type == "OLS") lm(formula, data = mtcars) else ivreg(formula, data = mtcars)
    })
  ) %>%
  pull(model)

# （可选）给元素命名
names(all_regressions) <- paste0(model_specs$type, "_", model_specs$y)

modelsummary(all_regressions, output = "gt")

内容的提问来源于stack exchange，提问作者Marco