使用sapply分组拟合nlsLM模型后，如何导出参数及R平方至CSV？

我懂你现在的困扰：分组跑nlsLM后，直接导出summary的列表到CSV会格式乱成一团，只导出系数又缺了标准误、t值、p值这些关键统计量。下面给你一套可行的方案，能把每个分组的参数估计、核心统计量，还有拟合优度（伪R²）都整理成整齐的表格导出。

步骤1：定义提取统计量的专用函数 #

先写一个函数，专门处理每个分组的数据：拟合模型后，把需要的所有统计量提取出来，整理成规范的数据框结构。

extract_nls_stats <- function(d) {
  # 拟合非线性模型
  nlsfit <- nlsLM(form = SGP ~ a * exp(-b*exp(-c*time)), 
                  data = d, 
                  start = list(a=30, b=1.5, c=0.053))
  
  # 提取系数表（包含Std. Error、t value、Pr(>|t|)）
  coef_table <- as.data.frame(summary(nlsfit)$coefficients)
  # 添加系数名称列，方便区分a/b/c
  coef_table$parameter <- rownames(coef_table)
  # 标记当前分组的code
  coef_table$code <- unique(d$code)
  
  # 计算非线性模型的伪R²（nls没有内置R²，这是行业常用的拟合优度计算方式）
  total_deviance <- deviance(lm(SGP ~ 1, data = d))  # 空模型的偏差（总变异）
  model_deviance <- deviance(nlsfit)                  # 拟合模型的偏差（残差变异）
  r_squared <- 1 - model_deviance / total_deviance
  coef_table$r_squared <- r_squared
  
  # 调整列顺序，让关键信息排在前面
  coef_table <- coef_table[, c("code", "parameter", "Estimate", 
                               "Std. Error", "t value", "Pr(>|t|)", 
                               "r_squared")]
  
  return(coef_table)
}

步骤2：批量处理分组数据并合并结果 #

用这个函数处理所有分组，再把分散的结果合并成一个完整的数据框：

# 按code分组处理每个子数据集
grouped_stats <- lapply(split(data, data$code), extract_nls_stats)

# 把所有分组的结果合并成一个统一的数据框
final_results <- do.call(rbind, grouped_stats)

# 重置行名，避免导出时出现混乱的行号
rownames(final_results) <- NULL

步骤3：导出整齐的CSV文件 #

现在直接导出这个规范的数据框到CSV，Excel打开就是完全整齐的格式：

write.csv(final_results, "nls_grouped_results.csv", row.names = FALSE)

为什么原来的方法不行？ #

你之前直接把summary(nlsfit)放进列表，而summary(nlsfit)本身是一个包含多个层级的复杂列表（比如系数表、模型统计量、残差等），当R把这种嵌套结构导出到CSV时，会把列表的层级拆成零散的列，自然格式就乱了。而我们上面的方法是把每个summary里的有用信息提取出来，统一整理成标准的数据框结构，所有分组的结果格式一致后再合并，导出时自然就是整齐的表格。

额外补充 #

• 这里的伪R²逻辑和线性模型的R²一致：数值越接近1，说明模型拟合效果越好。
• 如果还需要其他统计量（比如残差标准误），可以从summary(nlsfit)$sigma提取，加到coef_table里即可。

内容的提问来源于stack exchange，提问作者Vake