使用mgcv :: gam進行非標准評估

Question

我正在創建一個函數，它將對回歸函數的未評估調用作為輸入，創建一些數據，然后評估調用。 這是一個例子：

library(lme4)
compute_fit <- function(m){
  # Generate some data
  df <- data.frame(x = rnorm(100), y = rnorm(100) + x, ID = sample(4, 100, replace = TRUE))
  # Evaluate the call
  eval(m, envir = df)
}

# Create a list of models
models <- list(
  lm = call("lm", quote(list(formula = y ~ x))),
  glm = call("glm", quote(list(formula = y ~ x))),
  lmer = call("lmer", quote(list(formula = y ~ x + (1 | ID))))
)

# Evaluate the call (this works fine)
model_fits <- lapply(models, compute_fit)

我這樣做的原因是，我正在進行模擬研究，我在許多蒙特卡羅樣本上擬合了許多不同的模型。 該函數是內部包的一部分，我想提供模型列表，然后在包內進行評估。

我還想使用mgcv的gam函數。 在gam的文檔中，以下是關於其data參數的說明，它實際上等同於例如lm的文檔：

包含模型響應變量和公式所需協變量的數據框或列表。 默認情況下，變量取自環境（公式）：通常是調用gam的環境。

因此，我嘗試使用相同的邏輯來計算gam ，認為上面定義的compute_fit函數中的eval(m, envir = df) compute_fit eval(m, envir = df)應該評估df環境中的公式：

# Try with gam
library(mgcv)
gamcall = call("gam", quote(list(formula = y ~ x)))    
compute_fit(gamcall)  

但是，此操作失敗並顯示錯誤消息：

eval中的錯誤（predvars，data，env）：找不到對象'y'

我意識到這個錯誤很可能與這個問題有關 ，但我的問題是，是否有人能想到一種解決方法，讓我以與使用其他建模功能相同的方式使用gam ？ 據我所知，相關問題並未提供此問題的解決方案。

這是一個完整的代表：

set.seed(1)
library(lme4)
#> Loading required package: Matrix
compute_fit <- function(m){
  # Generate some data
  df <- data.frame(x = rnorm(100), ID = rep(1:50, 2))
  df$y <- df$x + rnorm(100, sd = .1)
  # Evaluate the call
  eval(m, envir = df)
}

# Create a list of models
models <- list(
  lm = call("lm", quote(list(formula = y ~ x))),
  glm = call("glm", quote(list(formula = y ~ x))),
  lmer = call("lmer", quote(list(formula = y ~ x + (1 | ID))))
)

# Evaluate the call (this works fine)
model_fits <- lapply(models, compute_fit)

# Try with gam
library(mgcv)
#> Loading required package: nlme
#> 
#> Attaching package: 'nlme'
#> The following object is masked from 'package:lme4':
#> 
#>     lmList
#> This is mgcv 1.8-26. For overview type 'help("mgcv-package")'.
gamcall = call("gam", quote(list(formula = y ~ x)))    
compute_fit(gamcall)    
#> Error in eval(predvars, data, env): object 'y' not found

Answer 1

我會在調用中添加df而不是在df進行評估：

compute_fit <- function(m){
  # Generate some data
  set.seed(1)
  df <- data.frame(x <- rnorm(100), y = rnorm(100) + x^3, ID = sample(4, 100, replace = TRUE))
  #add data parameter to call
  m[["data"]] <- quote(df)
  # Evaluate the call
  eval(m)
}

# Create a list of models
models <- list(
  lm = quote(lm(formula = y ~ x)),
  glm = quote(glm(formula = y ~ x)),
  lmer = quote(lmer(formula = y ~ x + (1 | ID))),
  gam = quote(gam(formula = y ~ s(x)))
)

model_fits <- lapply(models, compute_fit)
#works but lmer reports singular fit