如何在R中按分组提取回归beta系数并计算变量均值

可以用dplyr结合broom包快速实现你的需求，具体步骤如下：

1. 安装并加载依赖包 #

如果尚未安装相关包，先执行安装命令：

install.packages(c("dplyr", "broom"))

加载包：

library(dplyr)
library(broom)

2. 分组计算回归系数与均值 #

通过分组后嵌套执行回归，提取目标系数并计算均值：

result <- sales.data %>%
  group_by(MDM_Key) %>%
  summarise(
    # 提取iek_disc_price对应的beta系数
    beta = tidy(lm(sale_count ~ iek_disc_price, data = cur_data())) %>%
      filter(term == "iek_disc_price") %>%
      pull(estimate),
    # 计算sale_count的均值（保留两位小数）
    `mean(sale_count)` = round(mean(sale_count), 2),
    # 计算iek_disc_price的均值（取整数）
    `mean(iek_disc_price)` = round(mean(iek_disc_price), 0)
  )

# 输出结果
print(result)

结果说明 #

由于你的示例数据中MDM_Key=370和371的观测值完全一致，因此两组的beta系数、均值结果完全相同，输出与你预期的格式一致：

# A tibble: 2 × 4
  MDM_Key   beta `mean(sale_count)` `mean(iek_disc_price)`
    <int>  <dbl>              <dbl>                  <dbl>
1     370 0.000856               25.1                  35305
2     371 0.000856               25.1                  35305

替代方案（无需broom包） #

如果不想额外加载broom包，也可以直接从回归结果中提取系数：

result <- sales.data %>%
  group_by(MDM_Key) %>%
  summarise(
    beta = coef(lm(sale_count ~ iek_disc_price, data = cur_data()))["iek_disc_price"],
    `mean(sale_count)` = round(mean(sale_count), 2),
    `mean(iek_disc_price)` = round(mean(iek_disc_price), 0)
  )

内容的提问来源于stack exchange，提问作者psysky