R语言构建含19000个基因的回归公式时遇递归错误求助

报错原因 #

你遇到的错误是因为R默认的表达式嵌套层数上限（options(expressions)默认值为5000）无法处理包含19000个变量的长公式解析，当尝试将超长公式字符串转换为formula对象并赋值时，超过了递归深度限制。

可行解决方案 #

1. 临时调整表达式层数上限 #

先提高R允许的表达式嵌套层数，再执行公式转换：

# 提高表达式层数上限，数值需大于基因数量
options(expressions = 20000)
ff <- paste0("pcr ~ ", paste(genes, collapse=" + "))
modelFormula <- as.formula(ff)

注意：这种方法仅解决公式解析问题，后续用普通线性回归（lm）拟合时，由于样本量（1000）远小于变量数（19000），OLS回归无法估计有效系数，仍会报错，仅适用于公式解析环节。

2. 直接使用矩阵形式建模（推荐） #

对于高维数据（变量数远大于样本量），无需构建完整公式，直接用响应变量和预测矩阵输入模型更高效，比如使用专门处理高维回归的glmnet包：

# 加载glmnet包
library(glmnet)

# 提取响应变量和预测矩阵
y <- dat$pcr
X <- as.matrix(dat[, -1])

# 拟合LASSO回归（自动完成高维变量选择）
fit <- glmnet(X, y, alpha = 1)

这种方法既避免了超长公式的构建，又解决了高维数据下普通线性回归无法估计的核心问题。

3. 使用简化公式语法 #

如果一定要用公式形式，可以用.代表除响应变量外的所有列，避免手动拼接变量名：

# 用.表示所有其他变量
modelFormula <- as.formula(pcr ~ .)

但同样要注意，用lm(modelFormula, data=dat)会因变量数远大于样本量报错，实际建模仍需结合正则化方法。

关键提示 #

当变量数（19000）远大于样本量（1000）时，普通最小二乘（OLS）回归无效，因为自由度不足，无法得到唯一系数解。必须使用正则化回归（如LASSO、Ridge）、降维方法（如PCA后回归）或其他高维统计方法处理这类问题。

内容的提问来源于stack exchange，提问作者eac2222