如何批量计算单一线性回归模型在各国分组的R平方值？

嘿，手动跑200次回归绝对是折磨！完全不用这么麻烦，用R里的tidyverse工具链（dplyr + broom）就能一键搞定所有分组的R平方，高效又省心。下面给你两种最常用的实现方式，你可以根据自己的习惯选：

方法一：用dplyr + broom的经典组合 #

首先确保你安装了这两个包（没装的话先跑install.packages(c("dplyr", "broom"))），然后用以下代码：

# 加载包
library(dplyr)
library(broom)

# 假设你的数据集叫df，country是分组变量，y是因变量，x是自变量（换成你实际的变量名）
group_r_squared <- df %>%
  # 按国家分组
  group_by(country) %>%
  # 为每个分组拟合线性回归模型
  do(model = lm(y ~ x, data = .)) %>%  # 这里把y~x换成你的IP2模型公式，比如y~x1+x2+x3
  # 提取每个模型的R平方
  mutate(r_squared = glance(model)$r.squared) %>%
  # 只保留需要的列
  select(country, r_squared)

代码解释： #

• group_by(country)：把数据集按国家拆分成一个个子数据集
• do(model = lm(...))：为每个子数据集拟合指定的线性回归模型
• glance(model)：从模型对象中提取整体统计量（包括R平方、调整R平方、AIC等），我们只取r.squared
• 最后用select()筛选出国家和对应的R平方，得到整洁的结果

方法二：更简洁的summarize版本（tidyverse 1.0.0+支持） #

如果你的dplyr版本比较新，可以用更短的代码实现，逻辑是一样的：

group_r_squared <- df %>%
  group_by(country) %>%
  summarize(
    # 用cur_data()指代当前分组的数据集，拟合模型后提取R平方
    r_squared = glance(lm(y ~ x, data = cur_data()))$r.squared,
    # 分组后取消分组属性，回到普通数据框
    .groups = "drop"
  )

备选：Base R实现（不用额外装包） #

要是你不想用tidyverse，用Base R的by()函数也能实现：

# 按国家分组计算每个组的R平方
group_r_squared <- by(df, df$country, function(sub_df) {
  model <- lm(y ~ x, data = sub_df)  # 替换成你的模型公式
  summary(model)$r.squared
})

# 转换成整洁的数据框格式
group_r_squared_df <- data.frame(
  country = names(group_r_squared),
  r_squared = as.numeric(group_r_squared)
)

注意事项： #

• 把代码里的y ~ x替换成你实际的IP2模型公式就行，不管是单变量还是多变量回归，提取R平方的逻辑都不变
• 结果会是一个两列的数据框，每一行对应一个国家和它的模型R平方，直接就能查看或进一步分析

内容的提问来源于stack exchange，提问作者David