基于嵌套数据框（nested dataframe/tibble）运行多组simple linear regression提取系数问询

没问题！我来帮你搞定嵌套数据框里的多组简单线性回归，还能用tidy()把系数整理成整洁的数据框。咱们用tidyverse家族的工具（dplyr、purrr、broom）来实现，一步步来：

首先得把要用的包装上并加载，这些包能帮我们处理嵌套数据、运行回归、整理结果：

library(tidyverse)
library(broom)

咱们用经典的mtcars数据集做演示——假设我们想按气缸数（cyl）分组，然后在每个组里，分别用disp、hp、drat这几个自变量和因变量mpg做简单线性回归。先把数据按cyl嵌套：

nested_data <- mtcars %>%
  group_by(cyl) %>%
  nest()

运行完后，nested_data会是一个嵌套 tibble：每一行对应一个cyl组，data列里是该组对应的子数据框。

核心步骤来了！我们要遍历每个嵌套的子数据框，对每个自变量分别跑回归，再用tidy()把模型系数转成数据框：

reg_results <- nested_data %>%
  mutate(
    # 对每个嵌套的子数据框，生成多组回归的tidy结果
    regression_results = map(data, function(sub_df) {
      # 定义要用来做回归的自变量列表
      predictors <- c("disp", "hp", "drat")
      
      # 遍历每个自变量，跑回归并整理结果
      map_dfr(predictors, function(pred_col) {
        # 动态生成回归公式（比如 mpg ~ disp）
        lm_formula <- as.formula(paste("mpg ~", pred_col))
        # 运行回归 + 用tidy()转成数据框 + 标记自变量名称
        lm(lm_formula, data = sub_df) %>%
          tidy() %>%
          mutate(predictor = pred_col)
      })
    })
  ) %>%
  # 把嵌套的回归结果展开成普通列
  unnest(regression_results) %>%
  # 调整列顺序，让结果更易读
  select(cyl, predictor, term, estimate, std.error, statistic, p.value)

代码解释： #

• map(data, ...)：遍历每个嵌套的子数据框，对每个子框单独处理。
• map_dfr(predictors, ...)：遍历每个自变量，为每个自变量生成一个回归模型，并用map_dfr把所有结果合并成一个数据框。
• as.formula(paste("mpg ~", pred_col))：动态构建回归公式，避免手动写多个重复的lm(mpg ~ disp, ...)、lm(mpg ~ hp, ...)。
• tidy()：把lm模型的系数、标准误、p值等统计量转换成整洁的 tibble 格式。
• unnest()：把嵌套在regression_results里的结果展开，变成一行一个回归系数的结构。

运行完上面的代码后，reg_results就是你要的整洁数据框啦！它会包含每个分组（cyl）、每个自变量（predictor）、回归项（截距/自变量）、系数估计值、标准误等信息，示例输出大概是这样：

# A tibble: 18 × 7
    cyl predictor term        estimate std.error statistic  p.value
  <dbl> <chr>     <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1     6 disp      (Intercept)  19.1      3.11        6.14  0.00129
2     6 disp      disp         -0.0196    0.0101     -1.94  0.0938 
3     6 hp        (Intercept)  28.4      4.29        6.62  0.000864
4     6 hp        hp           -0.0821    0.0290     -2.83  0.0296 
5     6 drat      (Intercept)   5.08     10.1         0.503 0.633  
6     6 drat      drat          2.78      2.47        1.12  0.302  
...

如果你的自变量很多，不想手动列出来，可以用代码自动获取所有自变量列：

# 假设因变量是mpg，分组变量是cyl，剩下的都是自变量
predictors <- names(sub_df)[!names(sub_df) %in% c("mpg", "cyl")]

这样不管有多少个自变量，都能自动批量处理。

内容的提问来源于stack exchange，提问作者Balamurali N.R