如何在R中使用relaimpo包按组计算变量相对重要性？

你遇到的问题是直接用group_by(cyl)后，lm()和calc.relimp()不会自动按分组执行计算。要实现按组计算，需要用分组迭代函数对每个分组单独拟合模型并计算相对重要性，以下是两种可行方案：

方案一：使用dplyr + purrr（推荐，代码更整洁） #

通过group_modify()函数对每个分组执行自定义计算逻辑，自动保留分组标识：

library(relaimpo)
library(dplyr)
library(purrr)

# 按cyl分组计算相对重要性
group_rel_imp <- mtcars %>%
  group_by(cyl) %>%
  group_modify(function(sub_data, group_info) {
    # 对当前分组拟合线性模型
    model <- lm(mpg ~ disp + hp + drat + wt, data = sub_data)
    # 计算lmg类型的相对重要性
    rel_imp_result <- calc.relimp(model, type = "lmg", rela = TRUE)
    # 整理结果为结构化数据框
    tibble(
      变量名 = names(rel_imp_result$lmg),
      lmg相对重要性 = rel_imp_result$lmg,
      占比百分比 = rel_imp_result$lmg * 100
    )
  })

# 查看最终结果
print(group_rel_imp)

方案二：使用Base R（无需额外加载dplyr/purrr） #

通过split()拆分数据，再用lapply()遍历每个分组计算，最后合并结果：

library(relaimpo)

# 按cyl将数据集拆分为列表（每个元素对应一个分组）
split_mtcars <- split(mtcars, mtcars$cyl)

# 遍历每个分组计算相对重要性
rel_imp_list <- lapply(split_mtcars, function(sub_data) {
  model <- lm(mpg ~ disp + hp + drat + wt, data = sub_data)
  rel_imp_result <- calc.relimp(model, type = "lmg", rela = TRUE)
  # 整理结果
  data.frame(
    变量名 = names(rel_imp_result$lmg),
    lmg相对重要性 = rel_imp_result$lmg,
    占比百分比 = rel_imp_result$lmg * 100,
    stringsAsFactors = FALSE
  )
})

# 为每个分组结果添加cyl标识并合并为一个数据框
final_result <- do.call(rbind, Map(function(df, cyl_val) {
  df$cyl <- as.integer(cyl_val)
  df
}, rel_imp_list, names(rel_imp_list)))

# 查看结果
print(final_result)

关键说明 #

直接使用group_by(cyl)只是给数据集标记分组属性，lm()和calc.relimp()并不会识别这个属性自动分组计算。必须借助group_modify()（dplyr）或lapply()（Base R）这类迭代函数，对每个分组单独执行完整的建模和计算流程。

内容的提问来源于stack exchange，提问作者Hanna