如何处理lm对象列表？investr包多分组逆回归实现问询

我明白你现在的困扰：单个Serial_number子集用investr::invest()没问题，但处理整个数据集的模型列表时就卡壳了。别担心，咱们一步步来解决这个问题。

第一步：为每个Serial_number拟合模型并生成模型列表 #

首先，咱们需要把原始数据按Serial_number拆分，然后为每个子集拟合线性模型。这里用基础R的split()和lapply()就能搞定：

# 加载需要的包
library(investr)

# 按Serial_number拆分数据框
apd_by_serial <- split(APD, APD$Serial_number)

# 为每个子集拟合Amplification ~ Voltage的线性模型
model_list <- lapply(apd_by_serial, function(sub_df) {
  lm(Amplification ~ Voltage, data = sub_df)
})

这里要注意：model_list是一个lm对象的列表，每个元素对应一个Serial_number的模型。之前你用models[1]出错，大概率是因为models[1]返回的是长度为1的列表，而invest()需要的是单个lm对象——你应该用model_list[[1]]来提取第一个模型（双重方括号才会取出列表里的实际lm对象）。

第二步：批量执行逆回归 #

接下来，咱们用lapply()遍历模型列表，对每个模型调用invest()，指定y0=150：

# 批量计算每个模型的逆回归结果
inverse_results <- lapply(model_list, function(mod) {
  # 这里可以根据需求调整interval参数，比如选"prediction"预测区间
  invest(mod, y0 = 150, interval = "confidence")
})

执行完后，inverse_results里每个元素都是对应Serial_number的逆回归结果，包含估计值、置信区间等信息。

第三步：整理结果为可读的数据框 #

如果想把结果整理成更直观的数据框，可以用下面的代码：

# 将结果合并为数据框
final_results <- do.call(rbind, lapply(names(inverse_results), function(serial) {
  res <- inverse_results[[serial]]
  data.frame(
    Serial_number = serial,
    Estimated_Voltage = res$estimate,
    Lower_Confidence_Limit = res$conf.int[1],
    Upper_Confidence_Limit = res$conf.int[2]
  )
}))

# 查看结果
print(final_results)

替代方案：用tidyverse工具链更简洁处理 #

如果你习惯用tidyverse的话，用dplyr分组+nest+purrr::map的方式会更流畅，全程在数据框里操作：

library(dplyr)
library(tidyr)
library(purrr)

tidy_results <- APD %>%
  # 按Serial_number分组
  group_by(Serial_number) %>%
  # 将每组数据嵌套成列表列
  nest() %>%
  # 为每组数据拟合模型
  mutate(model = map(data, ~lm(Amplification ~ Voltage, data = .x))) %>%
  # 对每个模型执行逆回归
  mutate(inverse_output = map(model, ~invest(.x, y0 = 150, interval = "confidence"))) %>%
  # 提取需要的结果字段
  mutate(
    Estimated_Voltage = map_dbl(inverse_output, ~.x$estimate),
    Lower_CI = map_dbl(inverse_output, ~.x$conf.int[1]),
    Upper_CI = map_dbl(inverse_output, ~.x$conf.int[2])
  ) %>%
  # 保留需要的列并取消分组
  select(Serial_number, Estimated_Voltage, Lower_CI, Upper_CI) %>%
  ungroup()

print(tidy_results)

关键注意点总结 #

• 别再用models[1]了！要用models[[1]]提取单个lm对象，这是新手很容易踩的坑。
• invest()本身不支持批量处理模型列表，必须用循环或apply类函数（lapply/map）来逐个处理。
• 整理结果时，把分散的结果合并成数据框会大大方便后续的分析和可视化。

内容的提问来源于stack exchange，提问作者Ben