R语言：以固定列为因变量批量生成多自变量R²统计表

假设你有一个结构动态变化的data.frame，仅列A固定为因变量，其余列为自变量，需要自动遍历所有自变量，计算每个与A做简单线性回归后的R²值，并生成统计表。

示例数据 #

df <- data.frame(
  'A' = runif(20,min=0, max=100),
  'B' = runif(20,min=0, max=100),
  'C' = runif(20,min=0, max=100),
  'D' = runif(20,min=0, max=100),
  'E' = runif(20,min=0, max=100)
)

已定义的R²计算函数 #

rsq <- function(x, y) summary(lm(y~x,na.action = na.omit))$r.squared

期望输出格式 #

A~B         A~C         A~D         A~E 
1 0.009213715 0.009213715 0.009213715 0.009213715 

问题痛点 #

硬编码方式（手动指定每个自变量）无法适配列名、列数动态变化的场景，需要自动化的遍历方案。

解决方案 #

方法1：基础R实现（sapply）

利用sapply遍历除A外的所有列，自动计算R²并整理成目标格式：

# 筛选出所有自变量列（除A外）
predictors <- df[, !names(df) %in% "A"]

# 遍历计算每个自变量与A的R²，得到命名向量
r2_vec <- sapply(predictors, function(col) rsq(col, df$A))

# 转换为一行的data.frame，并设置列名
r2_df <- as.data.frame(t(r2_vec))
colnames(r2_df) <- paste0("A~", names(r2_vec))

# 查看结果
r2_df

方法2：tidyverse风格实现（purrr）

如果你习惯使用tidyverse工具链，可以用purrr的map_dfc更简洁地完成：

library(purrr)
library(dplyr)

r2_df <- df %>%
  select(-A) %>%  # 移除因变量列，保留所有自变量
  map_dfc(~rsq(.x, df$A)) %>%  # 遍历计算R²并合并为data.frame
  set_names(paste0("A~", names(.)))  # 设置列名格式

r2_df

两种方法都能自动适配data.frame的动态变化，只要列A存在，就会自动遍历其余所有列完成计算，无需手动修改代码。

内容的提问来源于stack exchange，提问作者ofront