R语言含多可变名称预测变量的多项式回归实现求助

基础实现（完全兼容原有公式简写习惯） #

你不需要手动罗列10+个预测变量的高次项，直接用基础R内置能力动态生成公式即可，和你之前写线性回归的调用逻辑完全一致，不需要额外安装扩展包。
完整可直接复制运行的代码：

# 自动提取数据集中除因变量外的全部预测变量，无需手动录入变量名
pred_vars <- setdiff(names(donor_snp_sample), "gene_expression")

# 为每个预测变量生成标准二次多项式项
poly_terms <- lapply(pred_vars, function(var) {
  bquote(poly(.(as.name(var)), degree = 2, raw = TRUE))
})
# 拼接成和原回归一致的公式结构
formula_poly <- reformulate(termobjects = poly_terms, response = "gene_expression")

# 直接接入原有建模流程
model_poly <- lm(formula_poly, data = donor_snp_sample)
summary_poly <- summary(model_poly)

关键注意事项 #

• 避免踩坑写法：不要直接使用lm(gene_expression ~ poly(., degree = 2), data = donor_snp_sample)，这种写法会把所有预测变量组成的矩阵整体传入poly函数，生成的正交基是跨变量的混合项，无法对应单个预测变量的独立效应，没法直接解释SNP的基因型效应，不符合常规分析需求。
• raw=TRUE参数的作用：默认poly函数生成的是经过正交变换的多项式项，虽然统计显著性检验结果不受影响，但系数没有实际的量纲解释；加上raw=TRUE后会生成常规的一次项和二次项（即x和x²），系数可以直接解释为对应预测变量的变化带来的基因表达改变幅度。
• 灵活调整多项式次数：如果后续需要拟合三次项，只需要把上述代码里的degree=2改成degree=3即可，所有预测变量的多项式项会自动同步更新，不需要逐行修改公式。
• 适配动态变化的预测变量：上述代码的预测变量列表是从实际传入建模的数据框中自动提取的，不管预测变量有多少个、列名如何变化，只要传入的数据集符合要求，就会自动识别对应的变量，完全匹配你提到的“不同样本对应的预测变量名称存在差异”的场景。
• 分类变量适配：如果预测变量中包含分类变量（如基因型分组、样本批次），可以在生成多项式项前先筛出数值型的连续变量，仅对这类变量拟合多项式项，分类变量直接保留为原始哑变量项即可，避免生成无意义的多项式项。

按需调整的扩展用法 #

如果不需要给所有预测变量加多项式项，比如只给核心关注的位点加二次项、其余位点保留一次项，只要调整公式拼接的项集合即可：

# 示例：仅给snp_1、snp_3加二次项，其余所有预测变量保留一次项
pred_vars <- setdiff(names(donor_snp_sample), "gene_expression")
high_order_vars <- c("snp_1", "snp_3")

# 一次项集合
oneway_terms <- lapply(setdiff(pred_vars, high_order_vars), as.name)
# 二次项集合
poly_terms <- lapply(high_order_vars, function(var) {
  bquote(poly(.(as.name(var)), degree = 2, raw = TRUE))
})
# 拼接成最终公式
formula_poly <- reformulate(c(oneway_terms, poly_terms), response = "gene_expression")

model_poly <- lm(formula_poly, data = donor_snp_sample)

内容的提问来源于stack exchange，提问作者MMRA