使用for循环运行多个多元线性回归模型的技术求助

问题背景 #

你的数据结构如下，需要以undesirable和desirable为自变量，分别对user_1到user_10这10列作为因变量拟合线性模型，预测每列的缺失值（NA），并找出每个用户预测值中的最大值及其对应的内容，最终导出结果到CSV。

原硬编码方式重复代码过多，以下是优化后的for循环实现方案：

完整代码实现 #

# 初始化列表存储每个用户的结果（模型、预测值、最大值等）
result_list <- list()

# 循环处理10个用户列
for(i in 1:10) {
  # 动态生成当前用户列名
  user_col <- paste0("user_", i)
  
  # 1. 拟合线性模型：构造动态公式，适配当前用户列
  fit_model <- lm(formula = as.formula(paste(user_col, "~ undesirable + desirable")), data = test)
  
  # 2. 提取当前用户列存在NA的行，保留content用于定位，以及自变量列用于预测
  na_subset <- test[is.na(test[[user_col]]), c("content", "undesirable", "desirable")]
  
  # 3. 对缺失值进行预测
  pred_results <- predict(fit_model, newdata = na_subset)
  
  # 4. 提取预测最大值及其对应的content（若有多个相同最大值，全部列出）
  max_pred_val <- max(pred_results)
  max_content_ids <- na_subset$content[pred_results == max_pred_val]
  
  # 5. 将当前用户的所有结果存入列表
  result_list[[user_col]] <- list(
    fitted_model = fit_model,
    predicted_values = pred_results,
    max_prediction = max_pred_val,
    max_content = max_content_ids
  )
}

# 整理结果为结构化数据框，用于导出CSV
export_data <- data.frame(
  user_name = names(result_list),
  max_predicted_value = sapply(result_list, function(x) x$max_prediction),
  corresponding_content = sapply(result_list, function(x) paste(x$max_content, collapse = ", "))
)

# 导出结果到CSV文件
write.csv(export_data, "user_top_predictions.csv", row.names = FALSE)

代码说明 #

• 动态列名与公式：用paste0和paste生成用户列名和模型公式，避免硬编码，适配任意数量的用户列
• 缺失值处理：精准提取每个用户列的NA行，确保只对需要预测的行进行计算
• 结果存储：用列表保存每个用户的完整信息（模型、预测值、最大值），方便后续分析或调试
• 导出优化：将结果整理为数据框，清晰展示每个用户的最大预测值及对应内容，直接导出为CSV

原尝试代码的问题 #

你之前的循环代码存在以下问题：

1. 错误将predictors_i设为前10列列名，实际应针对单个用户列
2. 公式写法错误，字符向量不能直接传入lm，需用as.formula转换为公式对象
3. 未实现缺失值预测和最大值提取的核心逻辑

内容的提问来源于stack exchange，提问作者bergpot