R语言批量运行多因变量线性回归并整合结果的代码修改方法

原有代码前置修复 #

• 修正协变量书写笔误：原代码中f1Cov4缺少$标识符，正确写法为f1$Cov4
• 替换原代码中硬编码f1$xxx的公式写法，改用动态构造公式的方式，避免循环过程中出现环境绑定、索引错位问题，后续扩展变量时也无需逐行修改公式内容。

实现逻辑 #

• 新增外层循环遍历281:327列的所有因变量，后续扩展因变量数量时仅需修改列索引范围即可
• 内层复用原有遍历8个营养素预测变量的回归逻辑，保持协变量调整、缺失值处理规则和原代码完全一致
• 每个因变量的3行结果（效应量、标准误、p值）自动添加标识行名，最终按行合并所有结果，直接输出144行8列的标准结果矩阵，列名自动匹配营养素列名。

可直接运行的修改后代码 #

# 预定义分析参数，后续调整变量、增减协变量直接修改此处即可
covariates <- c("Cov1", "Cov2", "Cov3", "Cov4", "Cov5", "Cov6", "Cov7", "Cov8")
nutrient_col_idx <- 330:337
y_col_idx <- 281:327 # 后续扩展到80+因变量直接修改该索引范围

# 外层遍历所有因变量
output_list <- lapply(y_col_idx, function(y_col){
  current_y_name <- colnames(f1)[y_col]
  # 内层遍历所有营养素预测变量
  y_res <- apply(f1[, nutrient_col_idx], 2, function(nutri_vec){
    # 动态构造回归公式
    model_formula <- reformulate(
      termlabels = c("nutri_vec", covariates),
      response = "y_vec"
    )
    # 组装临时分析数据，自动对齐所有变量的行
    temp_data <- data.frame(
      y_vec = f1[[y_col]],
      nutri_vec = nutri_vec,
      f1[, covariates]
    )
    # 拟合模型
    lm_fit <- lm(model_formula, data = temp_data, na.action = na.omit)
    coef_tbl <- summary(lm_fit)$coef
    # 提取目标指标：营养素项的效应量、标准误、p值
    c(coef_tbl[2, 1], coef_tbl[2, 2], coef_tbl[2, 4])
  })
  # 为当前因变量的结果添加行标识
  rownames(y_res) <- c(
    paste0(current_y_name, "_beta"),
    paste0(current_y_name, "_se"),
    paste0(current_y_name, "_p")
  )
  return(y_res)
})

# 按行合并所有结果，得到最终144行*8列的结果表
final_output <- do.call(rbind, output_list)

使用说明 #

• 结果行名自动标注对应因变量和指标类型，比如response1_beta代表response1的回归效应量，response1_se为标准误，response1_p为p值
• 列名和f1数据框中330:337列的营养素列名完全对应，无需额外重命名
• 若后续需要调整协变量、增减营养素或因变量，仅需修改最上方预定义的三个参数即可，无需改动模型拟合核心逻辑

内容的提问来源于stack exchange，提问作者pemb_bex6789