R语言update函数做逐步回归未保留历史变量的原因咨询

update()函数处理公式时，你写入的~.+X[, i]中的X[, i]会作为未求值的表达式存储在模型的公式对象中，不会自动替换为当前循环i对应的具体列索引。
每次循环新增的都是同一个X[, i]表达式项，R的公式机制会自动对重复项去重，且公式求值时会取当前环境下的i值计算，因此最终模型只会保留截距项和当前循环对应的X列，不会保留历史加入的列。

你可以选择以下任意一种方法实现预期的逐步添加变量效果：

方法1：动态构造固定公式（推荐，最小改动原有逻辑） #

每次循环把当前i的取值硬编码到公式中，避免共享同一个i变量：

model <- lm(y~1)
for(i in 1:30){ 
  # 构造当前要新增的明确列表达式
  new_formula <- as.formula(paste0("~ . + X[,", i, "]"))
  model <- update(model, new_formula)
  print(model) 
}

方法2：直接构造前i列的回归公式（逻辑更简单，不易出错） #

不需要依赖update()的增量更新逻辑，每次直接指定使用前i列拟合：

for(i in 0:30){
  if(i == 0){
    # 仅截距项的基准模型
    model <- lm(y ~ 1)
  } else {
    # 使用前i列拟合
    model <- lm(y ~ X[, 1:i])
  }
  print(model)
}

方法3：转为数据框按列名操作（可读性更强） #

把矩阵转为数据框后通过列名新增变量，避免矩阵索引的求值问题：

# 合并为数据框，X的列会自动命名为X.1~X.30
dat <- data.frame(y = y, X = X)
model <- lm(y ~ 1, data = dat)
for(i in 1:30){
  new_formula <- as.formula(paste0("~ . + X.", i))
  model <- update(model, new_formula)
  print(model)
}

内容的提问来源于stack exchange，提问作者gtoques