R语言嵌套lapply实现线性回归及结果提取问题

问题核心 #

你用嵌套lapply生成的是两层嵌套列表：外层对应每个自变量（var2元素），内层对应每个因变量（var1元素）的线性回归结果。直接用单层lapply(results, summary)只会给外层列表的每个元素（即内层列表）做summary，而非每个回归模型，所以无法得到预期结果。

另外注意：你原代码中lm(x ~ y + ...)的写法有隐患——y是字符串列名时，lm会把它当成全局变量而非数据框中的列，需要用as.formula动态构造公式。

修正后的完整代码流程 #

1. 正确生成嵌套回归结果

var1 <- target_variables  # 存储多个因变量列名的向量
var2 <- predictor_variables # 存储多个自变量列名的向量

# 嵌套生成所有回归模型，动态构造公式并指定数据
results <- lapply(var2, function(pred_var) {
  lapply(var1, function(target_var) {
    # 动态拼接公式字符串，转换为公式对象
    reg_formula <- as.formula(paste(target_var, "~", pred_var, "+ covariate1 + covariate2"))
    lm(formula = reg_formula, data = Data)
  })
})
# 给列表命名，方便后续识别
names(results) <- var2
lapply(results, function(x) names(x) <- var1)

2. 生成所有模型的summary

用嵌套lapply遍历两层列表，给每个回归模型生成summary：

summaries <- lapply(results, function(pred_list) {
  lapply(pred_list, summary)
})

3. 提取关键统计量并整理成表格

以提取每个回归中自变量的系数、标准误、t值、p值为例：

# 提取所有模型的目标系数信息
coef_data <- lapply(summaries, function(pred_sum) {
  sapply(pred_sum, function(sum_obj) {
    # 公式中自变量是第二个项，对应系数表第2行
    sum_obj$coefficients[2, 1:4]
  })
})

# 基础R整理为结构化表格
final_table <- do.call(rbind, lapply(names(coef_data), function(pred) {
  # 转置内层矩阵，让行对应因变量
  temp_mat <- t(coef_data[[pred]])
  # 拼接自变量、因变量信息和系数数据
  cbind(Predictor = pred, Target = rownames(temp_mat), as.data.frame(temp_mat))
}))
# 重命名系数列
colnames(final_table)[3:6] <- c("Estimate", "Std.Error", "t_value", "p_value")

如果习惯用tidyverse工具，也可以用更简洁的方式整理：

library(tidyverse)

final_table <- coef_data %>%
  enframe(name = "Predictor", value = "coef_values") %>%
  unnest_wider(coef_values) %>%
  pivot_longer(-Predictor, names_to = "Target", values_to = "value") %>%
  separate(value, into = c("Estimate", "Std.Error", "t_value", "p_value"), sep = ",") %>%
  mutate(across(Estimate:p_value, as.numeric))

你原for循环的问题 #

你的循环初始results <- c()会覆盖之前的回归结果列表，且仅提取了每个自变量下第一个因变量的模型summary，完全丢失了其他因变量的结果，这就是输出不符合预期的原因。

内容的提问来源于stack exchange，提问作者JKR