如何为回归结果数据框添加各模型样本量列？含缺失值场景疑问

答案很明确：不会。

你当前代码里的samplesize=nrow(mtcars)是直接取了整个数据集的总行数，完全没有考虑每个模型拟合时因为缺失值被自动排除的样本。lm()默认会用列表删除法（listwise deletion）去掉任何包含缺失值的观测，但你的代码没有捕捉到每个模型实际使用的样本量，只是硬编码了整个数据集的大小。

要获取每个模型的实际有效样本量，你需要从每个拟合好的模型对象中提取这个信息——broom包的glance()函数正好能帮你做到这一点，它返回的nobs字段就是模型实际用到的样本数。

这里给你修改后的代码，替换掉原来的样本量计算逻辑：

library(tidyverse)
library(broom)

outcomes <- c("wt", "mpg", "hp", "disp")
exposures <- c("gear", "vs", "am")
covariates <- c("drat", "qsec")

expand.grid(outcomes, exposures, covariates) %>%
  group_by(Var1, Var2) %>%
  summarise(Var3 = paste0(Var3, collapse = "+", .groups = "drop")) %>%
  rowwise() %>%
  summarise(frm = paste0(Var1, "~factor(", Var2, ")+", Var3)) %>%
  # 这里修改为拟合模型后同时提取tidy和glance结果
  rowwise(model_id = row_number()) %>%
  mutate(
    fit = list(lm(frm, data = mtcars)),
    tidy_fit = list(tidy(fit)),
    glance_fit = list(glance(fit))
  ) %>%
  # 展开tidy结果，同时关联glance里的样本量
  unnest(tidy_fit) %>%
  left_join(unnest(glance_fit), by = "model_id") %>%
  # 保留需要的列，把实际样本量nobs放在显眼位置
  select(model_id, frm, nobs, term, estimate, std.error, statistic, p.value) %>%
  ungroup()

这样修改后，nobs列就会显示每个模型在排除缺失值后的实际样本量了。如果你的数据里不同模型涉及的变量缺失情况不一样，每个模型的nobs可能会有差异，这才是真实的有效样本数。

内容的提问来源于stack exchange，提问作者aelhak