如何在SQL Server 2017中通过R代码执行分组回归分析

没问题，我帮你把原生R的分组回归逻辑迁移到SQL Server 2017的集成R环境中，下面是分步实现方案：

SQL Server的R脚本无法直接读取本地用户路径下的CSV（存在权限和路径映射问题），所以第一步要把CSV数据导入到SQL Server的表中。你可以用SSMS的可视化导入向导，或者用以下T-SQL语句快速导入：

-- 先创建与CSV结构匹配的目标表（请根据实际CSV列调整字段类型和名称）
CREATE TABLE RegressionData (
    CustomerName VARCHAR(255),
    ItemRelation INT,
    DocumentNum INT,
    DocumentYear INT,
    -- 替换成你CSV中实际的自变量、因变量列
    SaleQuantity DECIMAL(18,2),
    SaleAmount DECIMAL(18,2)
);

-- 从CSV导入数据（确保SQL Server服务账户有权访问该CSV路径）
BULK INSERT RegressionData
FROM 'C:\Users\synthex\Desktop\re.csv'
WITH (
    FIELDTERMINATOR = ';',       -- 对应原R代码的sep=";"
    ROWTERMINATOR = '\n',
    DECIMALFIELDTERMINATOR = ',', -- 对应原R代码的dec=","
    FIRSTROW = 2                  -- 如果CSV第一行是表头就写2，否则写1
);

使用sp_execute_external_script存储过程调用R代码，完整适配你的原生逻辑：

EXEC sp_execute_external_script
    @language = N'R',
    @script = N'
        # 加载所需依赖包（需确保SQL Server的R环境已安装这些包）
        library(tidyverse)
        library(broom)
        
        # 复刻原R代码的核心逻辑：排序、清理字段、分组回归
        regression_results <- InputDataSet %>%
            # 对应原代码的两次order操作，按第5、6列排序（假设是DocumentYear、DocumentNum）
            arrange(DocumentYear, DocumentNum) %>%
            # 清理Customer字段的"-"符号（替换成你实际的Customer字段名）
            mutate(CleanedCustomer = gsub("\\-", "", CustomerName)) %>%
            # 按指定维度分组执行回归
            group_by(CustomerName, ItemRelation, DocumentNum, DocumentYear) %>%
            # 替换成你实际的因变量~自变量公式
            do(model = lm(SaleAmount ~ SaleQuantity, data = .)) %>%
            # 用broom包将回归结果整理成结构化表格
            tidy(model)
        
        # 将结果输出回SQL Server
        OutputDataSet <- regression_results
    ',
    @input_data_1 = N'SELECT * FROM RegressionData;', -- 从SQL表读取数据
    @output_data_1_name = N'OutputDataSet'
WITH RESULT SETS (
    (
        CustomerName VARCHAR(255),
        ItemRelation INT,
        DocumentNum INT,
        DocumentYear INT,
        term VARCHAR(255),       -- 回归项（截距/自变量）
        estimate DECIMAL(18,6),  -- 系数估计值
        std_error DECIMAL(18,6), -- 标准误差
        statistic DECIMAL(18,6), -- t统计量
        p_value DECIMAL(18,6)    -- P值
    )
);

• 包安装：确保SQL Server的R服务环境中已安装tidyverse和broom包。可以在SQL Server的R控制台中执行install.packages(c("tidyverse", "broom"))（需管理员权限）。
• 字段适配：请将代码中的SaleAmount ~ SaleQuantity替换成你实际的因变量和自变量组合；同时确认CustomerName是原CSV中对应df$Cus...的完整字段名。
• 权限配置：需确保SQL Server已启用外部脚本执行（通过sp_configure 'external scripts enabled', 1; RECONFIGURE;开启），且服务账户有CSV文件读取权限。

内容的提问来源于stack exchange，提问作者psysky