使用group_by与tidy批量运行线性回归并提取结果至数据框

嘿，你的思路方向是对的，但代码里还有几个小细节需要调整，我帮你修正并完善成完全符合需求的版本👇

需求拆解 #

首先明确我们要实现的核心目标：

• 对outcomes里的每个因变量，分别和exposures里的每个自变量（转成因子）建立线性回归模型
• 每个模型都调整covariates里的所有协变量
• 最终输出的数据框要包含：因变量、自变量、样本量、beta系数、SE、p值

修正后的完整可运行代码 #

library(tidyverse)
library(broom)

data("mtcars")

# 修正你原代码里的笔误（outcomes里的逗号是多余的）
outcomes <- c("wt", "mpg", "hp", "disp")
exposures <- c("gear", "vs", "am")
covariates <- c("drat", "qsec")

# 生成所有因变量-自变量的配对组合
model_combinations <- expand_grid(
  outcome = outcomes,
  exposure = exposures
)

# 批量运行模型并整理结果
model_results <- model_combinations %>%
  rowwise() %>%
  mutate(
    # 动态构建回归公式，自动处理因子转换和协变量
    formula = str_glue("{outcome} ~ factor({exposure}) + {str_c(covariates, collapse = ' + ')}"),
    # 运行模型并保存为列表列
    model_fit = list(lm(formula, data = mtcars, na.action = na.omit)),
    # 提取模型的tidy结果（系数、SE、p值等）
    tidy_results = list(tidy(model_fit, conf.int = FALSE)),
    # 提取当前模型的有效样本量
    n = nobs(model_fit)
  ) %>%
  unnest(tidy_results) %>%
  # 只保留自变量的结果，去掉截距项
  filter(str_detect(term, "^factor\\(")) %>%
  # 清理自变量名称（去掉factor()的包裹）
  mutate(exposure_var = str_remove(term, "^factor\\(|\\).*$")) %>%
  # 选择并重命名需要的列，让结果更直观
  select(
    因变量 = outcome,
    自变量 = exposure_var,
    样本量 = n,
    beta系数 = estimate,
    SE = std.error,
    p值 = p.value
  )

# 查看最终结果
head(model_results)

代码关键点解释 #

• expand_grid：直接生成所有因变量和自变量的配对，确保每个模型组合都被覆盖，比gather更适合这种多因变量的批量建模场景
• rowwise() + str_glue：逐行处理每个模型组合，动态生成回归公式，彻底避免手动写重复代码
• list() + unnest()：把模型和tidy结果存为列表列，再展开成常规数据框，这是broom配合dplyr批量处理模型的标准方式
• nobs()：直接从lm模型对象中提取有效样本量，不用手动计算过滤后的样本数
• 最后的过滤和变量名清理：让输出结果只保留我们关心的核心信息，并且格式更易读

你的初始代码需要调整的原因 #

• 原代码里的gather方式不太适配多因变量的批量建模逻辑，expand_grid的组合方式更直接高效
• 没有处理自变量的因子转换（你示例里明确用了factor(gear)，所以代码里必须加上这一步）
• 缺少样本量的提取逻辑
• 原代码里的y_var、cv1都是占位符，需要替换成实际的变量列表

内容的提问来源于stack exchange，提问作者aelhak