您没有指定如何存储数据或如何记录变量race（这是一个因素吗？）
[If比如，你只是拟合男性的收入和种族，你有男性的收入和种族在income.m和race.m中，如果第二个是R中的一个 * 因子 *，那么lm(income.m~race.m)将拟合男性的线（在得到的对象上使用summary来获得关于它的信息）。你可以对女性做类似的事情，但大多数人不会这样拟合模型。]
如果你准备好假设两种性别的线条变化是相同的，你可以用一个模型来拟合两条线条。
这与单独分析行相比有几个优点，尽管也可以这样做。
如果性别是一个因子或记录为（0/1）的数值变量，种族是一个因子，并且您在数据框中有数据（例如，名为incdata），则您可以使用以下公式同时拟合这两条线：

lm(income~race*gender, data=incdata)

也就是R的简写

lm(income~race+gender+race:gender, data=incdata)

其中race:gender是相互作用项。
如果进一步假设种族对两性的影响是相同的，那么较小的模型：

lm(income~race+gender, data=incdata)

如果被要求“控制性别”，这通常是人们会选择的模型，尽管很多人会考虑我之前提到的交互模型。
我强烈建议先解决更简单的回归问题，用一本教科书或一套笔记来指导你。
如果你还没有在R中拟合回归，我会从一个较小的数据集开始，只有一个预测因子，只是为了习惯基本的机制。
R带有许多已经内置的数据集。例如，参见library(help=datasets)，它具有大约80个数据集;一些随R提供的包包含更多的数据（例如，MASS包含超过80个数据）。CRAN上的许多R包都包含数据集，其中许多数据集适用于回归分析。
例如，cars数据集（见R中的?cars）记录了给定速度的汽车的停车距离，你不需要读入数据，它已经存在了。
一个简单的线性回归（不一定是最好的模型，因为对物理学有一定的了解，但对数据来说已经足够了）将是：

lm(dist~speed, cars)

同样，您可以使用summary来检查它。例如（我建议您一次输入一个）：

carsfit <- lm(dist~speed, cars)
summary(carsfit)
plot(dist~speed, cars)
abline(carsfit, col=2)

汽车数据集（?cars）的帮助中的示例提供了其他几个模型和图。您也可以一次尝试一个。
car包（CAR是“Companion to Applied Regression”的缩写）有许多专门用于回归的小数据集。

事情很简单。

fit1 <- lm(income~gender+race,data=Dataframe1)
summary(fit1)

我不建议使用两个数据框。除非你使用更高级的统计方法，需要使用两个数据框。只要使用你的性别变量。
此外，请访问以下站点：http://www.statmethods.net/stats/regression.html

你确实可以这样做，但我相信你的问题是非常广泛的。
(1)你可以通过种族和性别来预测收入。2这可以通过各种方式来实现，但最常见的可能是“回归分析”。3我建议你在互联网上搜索一下这个主题。4回答什么样的回归以及如何进行回归是一个情境问题。5你可能会在阅读了回归的相关内容后自己找到答案。
(2)R可以做到这一点。但是我建议你在进入R之前读一些关于回归的阅读。
(3)如果要分析种族和性别是否可以预测收入，我只需做一个线性回归，其中收入是因变量，种族和性别是独立变量（预测变量），这可以通过R中的“lm”函数来完成。
还是我误会了什么？
此致

你需要阅读一些关于线性/多元回归技术的资料。不知道为什么你要根据性别将数据分成2组。随机将数据分成训练和测试，这样你就可以在训练上建模，在测试上验证。