R中用tidyverse实现逐方程工具变量控制函数回归的报错解决

错误原因说明 #

你之前的代码存在三类核心问题：

• 语法问题：do()函数内引用分组数据需用.而非.x，且lm类模型对象不能直接用unnest展开，必须先用broom包的转换函数处理为数据框格式
• 逻辑问题：第二阶段回归没有将第一阶段的残差纳入数据集，也没有加入回归公式，不符合控制函数法的设定
• 性能问题：直接存储全量lm模型对象会占用大量内存，大数据场景下会触发存储不足报错

正确实现代码 #

你的第一阶段代码无需修改，第二阶段可按如下方式实现：

library(tidyverse)
library(broom)

# 第二阶段回归
df_fit_final <- df_fit %>%
  mutate(
    # 将第一阶段残差合并到对应分组的数据集
    data_with_resid = map2(data, resids, ~ mutate(.x, v = .y)),
    # 跑第二阶段回归，加入第一阶段残差v作为控制变量
    fit2 = map(data_with_resid, ~ lm(y ~ x + z2 + v, data = .x)),
    # 按需提取回归结果，避免存储全量lm对象
    fit2_coef = map(fit2, tidy, conf.int = TRUE), # 提取系数、标准误、p值、置信区间
    fit2_model_stats = map(fit2, glance) # 提取R方、F值等模型统计量
  )

# 展开系数结果为普通数据框查看
df_coef_result <- df_fit_final %>%
  select(group, fit2_coef) %>%
  unnest(fit2_coef)

# 展开模型统计量为普通数据框查看
df_stats_result <- df_fit_final %>%
  select(group, fit2_model_stats) %>%
  unnest(fit2_model_stats)

可选简化写法 #

如果你不需要保留中间的模型对象，也可以嵌套写map逻辑减少内存占用：

df_fit_simple <- df_fit %>%
  mutate(
    fit2_coef = map2(data, resids, 
                     ~ lm(y ~ x + z2 + v, data = mutate(.x, v = .y)) %>% 
                       tidy(conf.int = TRUE))
  ) %>%
  select(group, fit2_coef) %>%
  unnest(fit2_coef)

内容的提问来源于stack exchange，提问作者timm