如何将R中的线性回归结果匹配为与group_by-dplyr相同的输出?

我有一个R中的数据集:

vec = c(200,300,400,500,600,100)
char1 = c("a","a","a","b","b","a")
char2 = c("c","c","d","c","d","d")
df2 = tibble(vec,char1,char2);df2

# A tibble: 6 × 3
    vec char1 char2
  <dbl> <chr> <chr>
1   200 a     c    
2   300 a     c    
3   400 a     d    
4   500 b     c    
5   600 b     d    
6   100 a     d    

如果我想计算每个char1变量的列向量的平均值,可以使用以下方法来完成:

df2%>%group_by(char1)%>%
  summarise(mean(vec))
lm(df2$vec~df2$char1-1)

对于char2变量:

df2%>%group_by(char2)%>%
  summarise(mean(vec))
lm(df2$vec~df2$char2-1)

结果分别与这两种情况的线性回归系数相匹配。

但如果我想计算每个char1和char2,我在R中这样做:

df2%>%group_by(char1,char2)%>%
  summarise(mean(vec))

这两个变量的线性回归等价性是什么?

有什么帮助吗?