在R中使用glm对大数据框做线性回归：列子集化问题

你的代码存在两个核心问题，直接引发了错误和逻辑偏差：

1. 循环逻辑完全错误：你需要将20-1112列作为因变量、固定col1为自变量，但原循环里根本没用到遍历变量i，甚至公式写反了（把col1当成了因变量）；另外cols <- df[,20:1112]取的是列的数值数据，for (i in cols)会遍历每一列的向量值而非列名，这会导致glm调用时出现数据类型不匹配的问题。
2. 变量来源混淆：glm公式里用df$col1这种写法，再配合data=df会让函数对变量来源产生混淆，应该直接用列名，让glm从指定的数据框中读取变量。

修正后的代码 #

# 假设你的数据框为df
# 获取要作为因变量的列名（第20到1112列）
target_cols <- colnames(df)[20:1112]

# 创建列表存储回归结果，避免每次循环覆盖结果
glm_results <- list()

# 循环遍历每个目标列
for (col in target_cols) {
  # 动态构建回归公式：当前列（因变量）~ col1（自变量）
  fit_formula <- as.formula(paste(col, "~ col1"))
  # 执行glm回归，指定data为df确保变量正确读取
  glm_results[[col]] <- glm(fit_formula, data = df, family = gaussian)
}

关键说明 #

• 用colnames(df)[20:1112]获取列名而非列数据，循环时能明确指定因变量列。
• 动态构建公式paste(col, "~ col1")，保证每次循环都以当前列作为因变量、固定col1为自变量。
• 将结果存入列表glm_results，所有回归结果都会被保留，不会被后续循环覆盖。
• 公式仅用列名配合data=df，让glm正确识别数据来源，避免类型错误。

内容的提问来源于stack exchange，提问作者09876545678909876545678