分割数据并运行线性回归循环

我见过很多类似的问题，但是我试图写的循环中缺少一个关键。我有一组包含约 4,000 个不同键的数据集，对于每个键，有约 1,000 个观察值。我过滤掉了一个键来隔离该键的观察结果，运行线性回归，检查模型假设，一切看起来都不错。但是，我想循环该数据集并为每个键运行线性回归。然后我想要存储系数、p值、R^2 等并一起查看它们。

这是我的数据示例：

Key y1 x1 x2
A   10 1  3
A   11 2  4 
A   12 3  5
B   13 4  6 
B   14 5  7
B   15 6  8
C   16 7  9 
C   17 8  1
C   18 9  2

我跑了：

datA <- data %>% filter(key=='A')
lm(y1 ~ x1 + x2, data = datA)

然后对键 B 和 C 重复该操作。我在这里看到的每个问题都是针对整个集合的不同变量进行循环，而不是拆分行上的数据。

但我还需要再做 4,000 次。任何编写此循环的帮助将不胜感激（我不擅长编写循环）。

你可以split数据并应用lm到每个块。

list_models <- lapply(split(df, df$Key), function(x) lm(y1 ~ x1 + x2, data = x))

A tidyverse方式是：

library(dplyr)
library(purrr)

list_models <- df %>% group_split(Key) %>% map(~lm(y1 ~ x1 + x2, data = .x))

它返回每个人的模型Key.

list_models
#$A
#Call:
#lm(formula = y1 ~ x1 + x2, data = x)

#Coefficients:
#(Intercept)           x1           x2  
#          9            1           NA  

#$B
#Call:
#lm(formula = y1 ~ x1 + x2, data = x)

#Coefficients:
#(Intercept)           x1           x2  
#          9            1           NA  

#$C
#Call:
#lm(formula = y1 ~ x1 + x2, data = x)

#Coefficients:
#(Intercept)           x1           x2  
#   9.00e+00     1.00e+00     7.86e-16