使用lapply批量执行单自变量回归时遇报错，求解决方案

我来帮你排查错误并给出正确的实现方式。先拆解你遇到的两个报错原因，再提供可行的代码：

第一个代码的错误分析 #

这段代码有几个关键问题：

• 变量de完全没定义，lapply(de, ...)不知道该遍历什么对象
• 你把所有因变量转成矩阵pred后，直接在lm(pred~y)里用整个矩阵当因变量，这不符合「逐个因变量单独回归」的逻辑，反而会触发多元响应回归的错误；而且报错提到pred是list类型，说明你的数据转换环节也出了问题

第二个代码的错误分析 #

这段代码的核心问题是公式构造逻辑错误：

• paste(x ~ de$X678,i)的拼接顺序完全混乱，会生成类似~ X1 x X1的无效字符串，这就是你看到unexpected symbol报错的直接原因
• 在公式里用de$X678这种外部引用方式不符合lm的语法规范，应该直接使用数据框内的列名
• 变量x没有定义，导致公式里出现未知符号

正确的实现代码 #

假设你的数据框是df，前677列是因变量，第678列是自变量，我们提供两种适配你需求的实现方式：

方式一：直接提取回归系数到向量 #

如果只需要每个因变量对应自变量的回归系数（不需要其他统计量），用sapply可以直接生成目标向量：

# 定义自变量的列名
indep_var <- colnames(df)[678]

# 遍历所有因变量列，拟合回归并提取自变量的系数
coef_vector <- sapply(colnames(df)[1:677], function(dep_var) {
  # 构造正确的公式：因变量 ~ 自变量
  formula <- as.formula(paste(dep_var, "~", indep_var))
  # 拟合回归模型
  model <- lm(formula, data = df)
  # 提取自变量的系数（第二个系数，第一个是截距项）
  coef(model)[[2]]
})

运行后coef_vector就是你需要的系数向量，每个元素对应一个因变量的回归系数。

方式二：保留完整的回归结果（如需更多统计量） #

如果需要保留每个模型的截距、标准误、p值等信息，可以用broom包的tidy函数整理结果，再合并成数据框：

# 先加载需要的包
library(broom)
library(dplyr)
library(purrr)

indep_var <- colnames(df)[678]

# 遍历所有因变量，生成每个模型的tidy结果
model_list <- lapply(colnames(df)[1:677], function(dep_var) {
  formula <- as.formula(paste(dep_var, "~", indep_var))
  model <- lm(formula, data = df)
  # 用tidy整理模型结果，并添加因变量名称列
  tidy(model) %>% mutate(dependent_var = dep_var)
})

# 把所有模型结果合并成一个数据框
results_df <- bind_rows(model_list)

这样results_df里会包含每个因变量的所有回归统计量，方便后续进一步分析。

内容的提问来源于stack exchange，提问作者Enrico Dace