R语言按类别循环创建独立回归模型的实现方法

核心思路 #

先提取所有唯一的类别代码，通过循环逐个筛选对应子集数据，构建回归模型并统一存储，方便后续调用。

具体实现步骤 #

• 提取唯一类别列表
  假设你的数据集为df，存储唯一代码的列名为unique_code，先获取所有不重复的代码：

  unique_codes <- unique(df$unique_code)
  

• 初始化模型存储容器
  用列表存储每个类别对应的回归模型，避免模型被覆盖：

  model_list <- list()
  

• 编写for循环构建模型
  遍历每个唯一代码，筛选对应数据子集后建模，将模型存入列表并以代码命名：

  for(code in unique_codes) {
    # 筛选当前代码的子集数据
    subset_data <- df[df$unique_code == code, ]
    # 构建回归模型（替换成你的因变量和自变量）
    current_model <- lm(dependent_var ~ independent_var1 + independent_var2, data = subset_data)
    # 把模型存入列表，用代码作为列表元素名称
    model_list[[as.character(code)]] <- current_model
  }
  

• 查看与使用模型
  循环结束后，可直接调用列表中的模型查看结果：

  # 查看某一代码对应的模型摘要
  summary(model_list[["CODE_001"]])
  

备选简化方案（无需for循环） #

如果习惯tidyverse风格，也可以用purrr包的map函数实现：

library(purrr)
model_list <- map(unique_codes, ~lm(dependent_var ~ independent_var1 + independent_var2, 
                                    data = df[df$unique_code == .x, ]))
# 给列表元素命名
names(model_list) <- unique_codes

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