如何从DataFrame批量创建多个线性回归模型？

示例数据 #

首先是你提供的模拟数据：

x1 <- rnorm(30, mean = 1, sd = 1)
x2 <- rnorm(30, mean = 1, sd = 2)
x3 <- rnorm(30, mean = 1, sd = 3)
eps <- rnorm(30)
y <- 2+x1+3*x2+x3+eps
df <- data.frame(x1,x2,x3,y)

问题分析 #

你尝试用purrr::map或lapply直接遍历数据框列拟合模型，但这类写法存在问题：遍历列时传入的是单独的向量，lm无法在当前环境中关联到y，且会错误地对y列也拟合模型，达不到你想要的y~x1、y~x2、y~x3模型列表效果。

正确解法 #

方法1：tidyverse（purrr）风格

通过提取自变量列名，动态构建公式来拟合模型：

library(purrr)

# 筛选出自变量列名（排除y）
x_cols <- setdiff(names(df), "y")

# 遍历列名，逐个拟合模型
model_list <- map(x_cols, ~lm(as.formula(paste("y ~", .x)), data = df))

# 给列表元素命名（可选，方便后续调用）
names(model_list) <- x_cols

方法2：base R风格

用lapply结合匿名函数实现同样效果：

x_cols <- setdiff(names(df), "y")

model_list <- lapply(x_cols, function(col) {
  lm(formula = paste("y ~", col), data = df)
})

names(model_list) <- x_cols

验证结果 #

运行后model_list的结构和你手动创建的完全一致，比如可以通过model_list$x1查看第一个模型的结果。

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