稳健地将模型参数传递给 R 的 predict() 函数

Question

我正在尝试使用 R 来拟合线性模型并进行预测。我的模型包含一些不在数据框中的常量边参数。这是我正在做的事情的简化版本：

dat <- data.frame(x=1:5,y=3*(1:5))
b <- 1
mdl <- lm(y~I(b*x),data=dat)

不幸的是，模型对象现在遇到了一个危险的范围问题：lm() 不会将 b 保存为 mdl 的一部分，因此当 predict() 被调用时，它必须返回定义 b 的环境。因此，如果后续代码更改 b 的值，预测值也会更改：

y1 <- predict(mdl,newdata=data.frame(x=3)) # y1 == 9
b <- 5
y2 <- predict(mdl,newdata=data.frame(x=3)) # y2 == 45

如何强制 predict() 使用原始 b 值而不是更改后的值？或者，是否有某种方法可以控制 predict() 查找变量的位置，以便我可以确保它获得所需的值？在实践中，我不能将 b 作为 newdata 数据框的一部分，因为在我的应用程序中， b 是一个参数向量，其大小与 new 的数据框不同观察。

请注意，相对于我的实际用例，我已经大大简化了这一点，所以我需要一个强大的通用解决方案，而不仅仅是临时黑客。

Answer 1

eval(substitute 将值放入引用表达式

mdl <- eval(substitute(lm(y~I(b*x),data=dat), list(b=b)))

mdl
# Call:
# lm(formula = y ~ I(1 * x), data = dat)
# ...

Answer 2

我们也可以使用bquote

mdl <- eval(bquote(lm(y~I(.(b)*x), data=dat)))
mdl

#Call:
#lm(formula = y ~ I(1 * x), data = dat)

#Coefficients:
#(Intercept)     I(1 * x)  
#  9.533e-15    3.000e+00

根据?bquote描述

‘bquote’ quotes its argument except that terms wrapped in ‘.()’ are evaluated in the specified ‘where’ environment.

稳健地将模型参数传递给 R 的 predict() 函数

passing model parameters to R's predict() function robustly

r

lexical-scope

dynamic-scope