使用broom从分组线性模型提取斜率和R²时报错如何解决？

你使用group_by() + do()生成的回归结果表all_regress仍然保留了LC作为分组变量的分组属性，后续执行mutate()时，运算逻辑会按组执行：每组内mod1是单个lm模型对象（而非多元素列表），map()会遍历lm对象本身的所有内部属性（包括qr类子属性），而broom没有对应qr类的tidy方法，因此抛出错误。
未分组时do()返回的是普通列表列tibble，map()会直接遍历mod1列的每个完整lm对象，因此可以正常运行。

方案1：最简修改（仅新增一行解除分组） #

在提取模型指标前先解除分组即可，修改后完整代码如下：

library(tidyverse)
library(broom)

# 读取数据集
data(mtcars) 

# 构造分组数据
mtcars <- mtcars %>% as_tibble() %>% mutate(LC = 1)
mtcars2 <- mtcars %>% mutate(LC = 2)
mtcars <- rbind(mtcars, mtcars2)

# 分组建模
all_regress <-  mtcars %>% 
  group_by(LC) %>%
  do(mod1 = lm(mpg ~ disp, data = .),
     mod2 = lm(mpg ~ wt, data = .))

# 解除分组后再提取指标（仅新增这一行）
all_regress <- all_regress %>% ungroup()

# 提取斜率和R平方
glance <- all_regress %>% 
  mutate(tidy = map(mod1, broom::tidy),
         glance = map(mod1, broom::glance),
         augment = map(mod1, broom::augment),
         rsq = glance %>% map_dbl('r.squared'),
         slope = tidy %>% map_dbl(function(x) x$estimate[2])) 

方案2：更稳定的嵌套分组写法（推荐） #

do()属于tidyverse中老旧语法，更推荐用nest_by()嵌套分组数据后建模，逻辑更清晰也不容易出问题：

library(tidyverse)
library(broom)

data(mtcars) 
mtcars <- mtcars %>% as_tibble() %>% mutate(LC = 1)
mtcars2 <- mtcars %>% mutate(LC = 2)
mtcars <- rbind(mtcars, mtcars2)

# 嵌套分组+建模+提取指标一步完成
res <- mtcars %>%
  nest_by(LC) %>%
  mutate(mod1 = list(lm(mpg ~ disp, data = data)),
         # 直接提取斜率
         slope = broom::tidy(mod1)$estimate[2],
         # 直接提取R平方
         rsq = broom::glance(mod1)$r.squared) %>%
  # 可选：移除不需要的嵌套数据和模型列
  select(LC, slope, rsq)

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