多模型回归估计表格行列重排问题（含可复现代码）

核心步骤拆解 #

• 提取全量变量集合：从所有模型结果中提取所有出现过的term值，去重后按目标顺序调整。可以遍历模型列表提取各模型的变量名，合并去重后手动或按规则排序。
  示例代码：

  # 假设models是存储多个回归模型（如lm对象）的列表
  all_terms <- unique(unlist(lapply(models, function(x) rownames(summary(x)$coefficients))))
  # 按目标顺序调整，示例为手动指定优先级
  target_order <- c("(Intercept)", "core_var1", "core_var2", "control_var1", "control_var2")
  all_terms <- all_terms[match(target_order, all_terms)]
  all_terms <- na.omit(all_terms) # 剔除目标顺序中未出现的变量
  

• 构建标准化结果表格：以全量变量集合为基础，逐个模型提取对应统计量，缺失变量填充空值。
  示例代码：

  # 定义函数提取单个模型的结果并匹配全量变量
  extract_model_stats <- function(model, terms) {
    coefs <- summary(model)$coefficients
    # 初始化空结果向量
    res <- rep("", length(terms))
    # 匹配变量位置并填充估计值（可扩展到标准误、p值等）
    match_pos <- match(terms, rownames(coefs))
    res[!is.na(match_pos)] <- round(coefs[na.omit(match_pos), "Estimate"], 3)
    return(res)
  }
  # 批量处理所有模型生成结果矩阵
  result_matrix <- sapply(models, extract_model_stats, terms = all_terms)
  # 转换为数据框并添加term列
  final_table <- data.frame(term = all_terms, result_matrix, stringsAsFactors = FALSE)
  

• 格式补全：保留空值为空白字符串，按需修改列名（如替换为模型名称），完成表格的最终调整。

关键细节说明 #

• 变量顺序优化：如果目标顺序有逻辑规则（如核心变量在前、控制变量在后），可通过grepl识别变量类型，再分组排序，减少手动指定的工作量。
• 多统计量扩展：若需同时展示估计值、标准误、p值，可在提取函数中返回多组结果，比如为每个变量生成两行（估计值行、标准误行），或在列中拆分统计量类型。
• 缺失值控制：确保未在模型中出现的变量对应单元格为空字符串而非NA，方便后续导出或直接展示。

内容的提问来源于stack exchange，提问作者astrae_research