在R中存储多回归系数并用于未来收入预测的技术咨询

我来帮你解决这个问题，分两步走：先把每个DBA的回归系数妥善存储，再用这些系数计算未来收入的预测值。

一、存储91个DBA的回归系数 #

你当前的代码每次循环都会覆盖pa.coef和y，导致之前的系数全部丢失。我们需要一个容器来保存每个DBA对应的系数向量，推荐用列表或者矩阵，这里给你两种实现方式：

方式1：用列表存储（灵活，适合系数长度可能变化的场景） #

# 初始化一个空列表，长度对应91个DBA（0到90）
coef_list <- vector("list", 91)

# 用for循环替代while，更符合R的编码习惯
for (dba_num in 0:90) {
  # 针对当前DBA的子集运行回归
  pa_model <- lm(
    formula = Final_Rev ~ OTB_Revenue + ADR + Sessions,
    data = subset(data, DBA == dba_num)
  )
  # 提取系数并存储到列表（注意R的索引从1开始，所以用dba_num+1）
  coef_list[[dba_num + 1]] <- coef(pa_model)
  # 可选：打印当前DBA的系数，方便验证结果
  cat("DBA", dba_num, "的回归系数：\n")
  print(coef_list[[dba_num + 1]])
}

现在coef_list[[1]]对应DBA 0的系数，coef_list[[91]]对应DBA 90的系数。

方式2：用矩阵存储（适合批量操作，系数长度固定的场景） #

因为你的每个回归都是3个自变量+截距，系数长度固定为4，用矩阵存储会更方便后续批量计算：

# 初始化91行×4列的矩阵，行对应DBA编号，列对应系数名称
coef_matrix <- matrix(
  NA, 
  nrow = 91, 
  ncol = 4,
  dimnames = list(paste0("DBA_", 0:90), c("(Intercept)", "OTB_Revenue", "ADR", "Sessions"))
)

for (dba_num in 0:90) {
  pa_model <- lm(
    Final_Rev ~ OTB_Revenue + ADR + Sessions,
    data = subset(data, DBA == dba_num)
  )
  # 把系数填入矩阵对应行
  coef_matrix[dba_num + 1, ] <- coef(pa_model)
}

二、用存储的系数预测未来收入 #

假设你的未来数据集名为future_data，包含DBA、OTB_Revenue、ADR、Sessions这几列。这里给你两种方案，分别对应上面的存储方式：

方案1：基于列表系数手动计算预测值 #

# 先给未来数据集新增一列存储预测值
future_data$Predicted_Rev <- NA

for (dba_num in 0:90) {
  # 筛选当前DBA的未来数据
  dba_future_rows <- future_data$DBA == dba_num
  # 取出对应DBA的系数
  current_coef <- coef_list[[dba_num + 1]]
  # 计算预测值：截距 + 各自变量×对应系数
  future_data$Predicted_Rev[dba_future_rows] <- 
    current_coef["(Intercept)"] +
    future_data$OTB_Revenue[dba_future_rows] * current_coef["OTB_Revenue"] +
    future_data$ADR[dba_future_rows] * current_coef["ADR"] +
    future_data$Sessions[dba_future_rows] * current_coef["Sessions"]
}

方案2：直接存储模型（更简洁，推荐） #

其实比起只存系数，直接存储每个DBA的回归模型会更灵活，因为可以用R内置的predict()函数自动计算预测值，避免手动计算出错：

# 先存储所有DBA的回归模型
model_list <- vector("list", 91)
for (dba_num in 0:90) {
  model_list[[dba_num + 1]] <- lm(
    Final_Rev ~ OTB_Revenue + ADR + Sessions,
    data = subset(data, DBA == dba_num)
  )
}

# 用模型预测未来收入
future_data$Predicted_Rev <- NA
for (dba_num in 0:90) {
  dba_future_rows <- future_data$DBA == dba_num
  future_data$Predicted_Rev[dba_future_rows] <- predict(
    model_list[[dba_num + 1]],
    newdata = future_data[dba_future_rows, ]
  )
}

额外提示：处理异常情况 #

如果某些DBA的子集数据量不足（比如少于4个观测值），回归会报错。可以用tryCatch来捕获错误，避免循环中断：

for (dba_num in 0:90) {
  tryCatch({
    model_list[[dba_num + 1]] <- lm(
      Final_Rev ~ OTB_Revenue + ADR + Sessions,
      data = subset(data, DBA == dba_num)
    )
  }, error = function(e) {
    cat("DBA", dba_num, "回归失败：", e$message, "\n")
    model_list[[dba_num + 1]] <- NA
  })
}

内容的提问来源于stack exchange，提问作者Max