R语言：sapply回归结果矩阵转dataframe失败及嵌套回归绘图问题

问题1：单因变量、多自变量回归系数合并为DataFrame #

你的问题出在sapply的默认简化行为——当每个回归的系数数量不一致时，它会返回列表而非矩阵，直接转data.frame自然无效。改用lapply处理，同时给每个结果添加标识列，再合并成统一的DataFrame：

library(tidyverse)

var_list <- mtcars %>% select(cyl, wt) %>% names()

# 用lapply处理每个自变量，返回带标识的dataframe
coef_list <- lapply(var_list, function(k){
  mod <- lm(data = mtcars, formula = paste("mpg ~", k, ":factor(drat)", sep = ""))
  # 把系数转成dataframe，保留变量名和自变量标识
  tibble(
    predictor = k,
    term = names(coef(mod)),
    coefficient = coef(mod)
  )
})

# 合并所有结果
coef_df <- bind_rows(coef_list)

得到的coef_df是标准的tidy格式DataFrame，包含自变量名、回归项和对应的系数，方便后续处理。

问题2：多因变量、多自变量回归+批量生成ggplot #

你的嵌套sapply思路存在变量作用域混乱和结构处理不当的问题，推荐用交叉组合所有因变量和自变量，配合purrr::map2批量处理，同时生成图形：

library(ggplot2)
library(tidyverse)
library(broom)

# 定义因变量和自变量列表
outcome_var_list <- mtcars %>% select(qsec, hp) %>% names()
var_list <- mtcars %>% select(cyl, wt) %>% names()

# 生成所有因变量-自变量的组合（交叉乘积）
model_combinations <- expand_grid(
  outcome = outcome_var_list,
  predictor = var_list
)

# 批量运行回归并提取系数，同时生成ggplot
model_results <- model_combinations %>%
  mutate(
    # 运行回归并提取系数为tidy格式
    coef_data = map2(outcome, predictor, function(y, x){
      mod_formula <- paste(y, "~", x, ":factor(drat)", sep = "")
      mod <- lm(formula = mod_formula, data = mtcars)
      # broom::tidy()自动把lm结果转成标准DataFrame，无需手动处理
      tidy(mod) %>% select(term, estimate) %>% rename(coefficient = estimate)
    }),
    # 批量生成ggplot图形
    plot = map2(coef_data, paste(outcome, "vs", predictor), function(data, title){
      ggplot(data, aes(x = term, y = coefficient)) +
        geom_col(fill = "#2c3e50") +
        labs(title = title, x = "回归项", y = "系数值") +
        theme(axis.text.x = element_text(angle = 45, hjust = 1))
    })
  )

关键说明：

1. expand_grid生成所有因变量和自变量的组合，避免嵌套循环的混乱；
2. broom::tidy()是处理统计模型结果的高效工具，自动把lm的系数、p值等转成标准DataFrame；
3. map2同时遍历变量组合和对应系数数据，批量生成图形；
4. 最终的model_results包含所有组合信息、系数数据和图形，可通过model_results$plot查看所有图，或用walk(model_results$plot, print)批量打印。

原代码失效原因 #

1. 嵌套sapply返回列表结构，内层定义的mod_df无法被外层函数访问；
2. 每个内层结果的结构可能不一致，无法直接合并或绘图；
3. purrr系列函数（map/map2）比sapply更适合处理返回复杂对象的批量操作，可读性和灵活性更强。

内容的提问来源于stack exchange，提问作者flâneur