R语言如何从包含多个lm()模型的fit对象提取指定变量标准误

你构造的fit是命名的lm对象列表，每个模型的目标自变量名就是列表对应元素的名称，可通过以下方法提取每个模型对应自变量的标准误：

方法1：Base R实现，返回命名向量 #

不需要安装额外依赖，返回结果直接对应你的变量名，方便索引：

se_p <- sapply(names(fit), function(varname) {
  # 提取单个模型的系数汇总矩阵
  coef_mat <- coef(summary(fit[[varname]]))
  # 按变量名索引对应行，提取标准误列
  coef_mat[varname, "Std. Error"]
})

运行后得到的se_p是命名数值向量，名称为你原来的自变量名，取值为对应模型的标准误。

方法2：Base R实现，返回数据框 #

适合后续需要批量处理、导出结果的场景：

se_df <- data.frame(
  variable = names(fit),
  std_error = sapply(names(fit), function(varname) coef(summary(fit[[varname]]))[varname, 2])
)

带错误处理的版本 #

如果部分模型存在拟合问题（如共线导致系数缺失），添加tryCatch避免整个流程中断，拟合失败的结果返回NA：

se_p <- sapply(names(fit), function(varname) {
  tryCatch({
    coef(summary(fit[[varname]]))[varname, "Std. Error"]
  }, error = function(e) NA_real_)
})

tidyverse生态简化写法 #

安装broom包后可以用更易读的语法实现：

library(broom)
library(dplyr)

se_p <- sapply(names(fit), function(varname) {
  tidy(fit[[varname]]) %>%
    filter(term == varname) %>%
    pull(std.error)
})

内容的提问来源于stack exchange，提问作者Noahp555