R中使用dplyr将多分类logistic回归结果转换为指定结构dataframe

解决方案 #

以下是完全基于dplyr生态实现的动态适配方案，不需要硬编码任何变量名、响应类别名，适配任意维度的输入矩阵：

前置依赖 #

确保已加载核心依赖包：

library(dplyr)
library(tibble)
library(tidyr)

通用整理函数 #

直接传入你从nnet模型中提取的系数、标准误、z统计量、p值四个矩阵即可，要求四个矩阵维度完全一致，行名为非参考组的响应类别名，列名为特征名（含截距）：

tidy_multinom_res <- function(coef_mat, se_mat, z_mat, p_mat) {
  # 单个矩阵转长格式的内部复用函数
  mat_to_long <- function(mat, val_name) {
    as.data.frame(mat) %>%
      rownames_to_column("resp_class") %>%
      pivot_longer(cols = -resp_class, names_to = "raw_feature", values_to = val_name)
  }

  # 批量转换四个矩阵后合并
  purrr::reduce(
    list(
      mat_to_long(coef_mat, "coef"),
      mat_to_long(se_mat, "std_error"),
      mat_to_long(z_mat, "z_stat"),
      mat_to_long(p_mat, "p_value")
    ),
    inner_join,
    by = c("resp_class", "raw_feature")
  ) %>%
    # 按要求拼接feature列，自动把R默认的截距名(Intercept)转为示例要求的intercept格式
    mutate(
      raw_feature = sub("^\\(Intercept\\)$", "intercept", raw_feature),
      feature = paste0(resp_class, "_", raw_feature)
    ) %>%
    # 调整输出列顺序，可自行增减需要保留的字段
    select(feature, coef, std_error, z_stat, p_value)
}

调用方法 #

# 替换括号内的对象为你自己提取的四个矩阵即可
final_result_df <- tidy_multinom_res(
  coef_mat = 你的系数矩阵,
  se_mat = 你的标准误矩阵,
  z_mat = 你的z统计量矩阵,
  p_mat = 你的p值矩阵
)

方案特性 #

• 完全动态适配：不管你的模型有多少个自变量、多少个响应类别，只要输入矩阵格式符合要求，无需修改代码即可直接运行
• 输出完全匹配需求：feature列自动按「响应类别_特征名」格式拼接，和你给出的general_intercept、academic_sesmiddle示例完全一致
• 可扩展性强：如果需要新增OR值、95%CI等衍生指标，直接在mutate步骤补充计算逻辑即可

注意：如果你的矩阵列名中截距本身就是intercept而非R默认的(Intercept)，直接删除mutate里的sub那行代码即可，不影响运行逻辑。

内容的提问来源于stack exchange，提问作者Eisen