如何在R语言lm()等函数的公式中动态传入字符串形式的变量名

你的代码报错的核心原因是lm()等建模函数的第一个参数要求是公式（formula）类型，直接传入字符串向量元素时，函数会把predictor_vector[1]当做字面量变量名去数据框里匹配，自然找不到对应列，所以运行失败。

以下是通用解决思路，适配lm、glm、glmer等所有接受公式参数的建模函数： #

方法1：用reformulate()直接构建公式（最推荐） #

reformulate()是R内置的专门用于动态生成公式的函数，不需要手动拼接字符串，出错概率低：

# 单个模型构建
predictor <- predictor_vector[1]
# 第一个参数是预测变量名，response参数指定响应变量名
model_formula <- reformulate(predictor, response = "y1")
model <- lm(model_formula, data = df)

# 批量拟合所有预测变量的单变量模型
model_list <- lapply(predictor_vector, function(var) {
  lm(reformulate(var, response = "y1"), data = df)
})
# 查看第一个模型的结果
summary(model_list[[1]])

方法2：拼接字符串后转公式 #

如果你的公式结构更复杂（比如包含交互项、随机效应），可以手动拼接字符串后用as.formula()转为公式类型：

# 单模型示例
predictor <- predictor_vector[2]
model_formula <- as.formula(paste0("y1 ~ ", predictor))
model <- lm(model_formula, data = df)

# glmer适配示例（假设数据中有分组变量group，拟合混合效应模型）
library(lme4)
model_formula <- as.formula(paste0("y2 ~ ", predictor, " + (1 | group)"))
model <- glmer(model_formula, data = df, family = gaussian)

方法3：tidyverse风格批量拟合 #

如果习惯用purrr做批量操作，代码会更简洁：

library(purrr)
library(broom) # 可选，用于整理模型结果
model_list <- map(predictor_vector, ~ lm(reformulate(.x, "y1"), data = df))
# 一次性提取所有模型的系数表
coef_table <- map_dfr(model_list, tidy, .id = "predictor")

额外提示 #

你提供的示例数据代码存在笔误，x2、x3的赋值语句都错写为了对x1的重赋值，运行前需要修正为：

x1 <- letters[1:2]; x1<- rep(x1, times =50 )
x2 <- letters[2:3]; x2<- rep(x2, times =50 )
x3 <- letters[4:5]; x3<- rep(x3, times =50 )

内容的提问来源于stack exchange，提问作者user547928359