在R语言中批量运行多个简单线性回归模型的方法

嗨，针对你要批量构建所有单变量简单线性模型的需求，我给你整理了两种实用的R实现方法，不管你习惯基础R还是tidyverse风格都能搞定：

方法一：基础R循环实现 #

这种方法逻辑清晰、易上手，适合偏好原生R语法的用户：

1. 先明确响应变量（比如你提到的v30），提取所有自变量的列名：

# 假设响应变量是v30，筛选出所有其他列作为自变量
predictor_cols <- setdiff(names(x), "v30")

2. 创建一个空列表来存储所有回归模型：

single_lm_models <- list()

3. 循环遍历每个自变量，构建并存储模型：

for (col in predictor_cols) {
  # 动态生成回归公式
  reg_formula <- as.formula(paste("v30 ~", col))
  # 运行回归并存储到列表，用自变量名作为列表元素名称
  single_lm_models[[col]] <- lm(reg_formula, data = x)
}

方法二：tidyverse + purrr 简洁实现 #

如果你熟悉tidyverse生态，用purrr的映射函数能更紧凑地完成批量操作：

首先加载必要的包：

library(tidyverse)

然后快速完成批量建模：

single_lm_models <- x %>%
  # 移除响应变量列，只保留自变量列
  select(-v30) %>%
  # 用imap同时遍历列值和列名，生成带命名的模型列表
  imap(function(pred_col, pred_name) {
    lm(formula(paste("v30 ~", pred_name)), data = x)
  })

查看和整理模型结果 #

模型都存在single_lm_models列表里后，你可以通过名称快速查看单个模型的结果：

# 查看自变量v1对应的回归结果
summary(single_lm_models[["v1"]])

如果想一次性整理所有模型的统计量（比如系数、p值、R²），可以用broom包格式化输出：

library(broom)

# 整理所有模型的系数统计
model_coefficients <- map_dfr(single_lm_models, tidy, .id = "predictor")

# 整理所有模型的整体拟合统计（比如R²、F值）
model_performance <- map_dfr(single_lm_models, glance, .id = "predictor")

小提示 #

如果你的数据集存在缺失值，可以在lm()函数里添加na.action参数处理，比如na.action = na.omit会自动移除含缺失值的行，na.action = na.exclude会保留行但标记缺失。

内容的提问来源于stack exchange，提问作者Derek