如何在lm函数中按条件使用多列子集并动态添加控制变量？

1. 修复subset参数失效问题 #

你的subset写法存在两个核心错误，导致筛选规则不生效：

• 变量名不需要加引号，加引号后变成了字符串字面量比较，而非调用数据集中的变量
• 用!=和向量对比会触发循环匹配，逻辑错误，应该用%in%取反来排除多个值

修正后的代码：

mod1 <- lm(dc20_pos_jobs ~ dc20_party_id + dc20_education, data, 
           subset = (dc20_pos_jobs != 5 & !dc20_party_id %in% c(6,7,8))
)

• dc20_pos_jobs != 5：直接排除该变量取值为5的观测
• !dc20_party_id %in% c(6,7,8)：精准排除政党ID为6、7、8的观测，%in%是R中判断值是否在向量里的标准用法

2. 添加条件控制变量 #

要实现根据dc20_party_id的不同取值加入对应控制变量，有两种简洁的实现方式：

方法一：生成条件变量后加入模型 #

先构造两个新变量，仅在对应政党ID组赋值，其余组设为NA（lm会自动忽略NA，不干扰回归）：

# 政党ID=1时赋值dc20_party_rating_23，其余为NA
data$rating_23 <- ifelse(data$dc20_party_id == 1, data$dc20_party_rating_23, NA)
# 政党ID=2-5时赋值dc20_party_rating_24，其余为NA
data$rating_24 <- ifelse(data$dc20_party_id %in% 2:5, data$dc20_party_rating_24, NA)

# 代入回归模型
mod2 <- lm(dc20_pos_jobs ~ dc20_party_id + dc20_education + rating_23 + rating_24, data,
           subset = (dc20_pos_jobs != 5 & !dc20_party_id %in% c(6,7,8))
)

方法二：直接在公式中用条件表达式 #

不需要生成新变量，用I()函数包裹条件表达式，避免被公式解析规则拆分：

mod3 <- lm(dc20_pos_jobs ~ dc20_party_id + dc20_education + 
             I(ifelse(dc20_party_id == 1, dc20_party_rating_23, 0)) +
             I(ifelse(dc20_party_id %in% 2:5, dc20_party_rating_24, 0)), 
           data,
           subset = (dc20_pos_jobs != 5 & !dc20_party_id %in% c(6,7,8))
)

非对应组的观测赋值为0，不会对该组的回归系数产生影响，实现了分条件加入控制变量的需求。

内容的提问来源于stack exchange，提问作者François Verreault Girard