使用purrr对混合数据运行多个glm模型的问题排查

你遇到的问题很典型——用pivot_longer把不同类型的自变量（因子b和数值型c/d）合并到同一列时，R无法兼容不同数据类型，所以抛出了类型不匹配的错误。其实不用把数据变长，直接遍历自变量名称来构建模型会更简单高效。

解决方案：遍历自变量名称动态构建模型 #

直接针对每个自变量的名字，动态生成GLM公式，这样完全不会触碰数据类型的问题：

1. 先定义要循环的自变量列表：

predictors <- c("b", "c", "d")

2. 用purrr::map遍历每个自变量，构建并运行模型：

library(tidyverse)

# 生成模型列表
models <- map(predictors, ~ glm(as.formula(paste("a ~", .x)), data = tbl, family = "binomial"))

# 如果想给每个模型加上对应的自变量名称（方便后续查看），可以用set_names + imap：
models_named <- imap(set_names(predictors), ~ glm(as.formula(paste("a ~", .x)), data = tbl, family = "binomial"))

这样每个模型都是基于原始数据中对应的列运行的，因子和数值型变量各自保持原有类型，自然不会有冲突。

为什么你的初始方法会报错？ #

pivot_longer(2:4)试图把b（因子）、c（数值）、d（数值）合并到同一列val，但R的列只能有一种数据类型，无法同时容纳因子和数值，所以触发了类型不兼容的错误。这种场景下，不需要重塑数据结构，直接遍历变量名是更合理的选择。

内容的提问来源于stack exchange，提问作者Andrej