创建一个函数（x），包括glm（... 〜x，...）时x = parameter1 * parameter2。 GLM（）的摘要仅显示截距和X（不是参数）

Question

在那里，您可以看到我的代码和输出R给出。我的问题是：在GLM（）摘要中，如何将R打印为函数的参数为​​分离值。因此，拦截，性别_m0，age_cented and gender_m0 * age_cented而不是拦截和y？我希望有人可以帮助我解决我的小问题。谢谢。

test_reg <- function(parameters){
  glm_model2 <- glm(healing ~ parameters, family = "binomial", data = psa_data)
  summary(glm_model2)}

test_reg(psa_data$gender_m0 * age_centered)

Call:
glm(formula = healing ~ parameters, family = "binomial", data = psa_data)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.2323   0.4486   0.4486   0.4486   0.6800  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  2.24590    0.13844  16.223   <2e-16 ***
parameters  -0.02505    0.01369  -1.829   0.0674 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 426.99  on 649  degrees of freedom
Residual deviance: 423.79  on 648  degrees of freedom
  (78 Beobachtungen als fehlend gelöscht)
AIC: 427.79

Number of Fisher Scoring iterations: 5

Answer 1

内部公式的术语永远不会被替换而是从字面上替代，因此 glm 正在您的数据框架中寻找一个称为“参数”的列，这当然不存在。您需要从呼叫中捕获参数，去除它们并构建公式，如果您想以这种方式调用您的功能：

test_reg <- function(parameters) {

  f <- as.formula(paste0("healing ~ ", deparse(match.call()$parameters)))
  mod <- glm(f, family = binomial, data = psa_data)
  mod$call$formula <- f
  summary(mod)
}

显然，我没有您的数据，但是如果我创建了带有相同名称的少量示例数据框架，我们可以看到这项工作如预期的：

set.seed(1)

psa_data <- data.frame(healing = rbinom(20, 1, 0.5),
                       age_centred = sample(21:40),
                       gender_m0 = rbinom(20, 1, 0.5))

test_reg(age_centred * gender_m0)
#> 
#> Call:
#> glm(formula = healing ~ age_centred * gender_m0, family = binomial, 
#>     data = psa_data)
#> 
#> Deviance Residuals: 
#>    Min      1Q  Median      3Q     Max  
#> -1.416  -1.281   0.963   1.046   1.379  
#> 
#> Coefficients:
#>                       Estimate Std. Error z value Pr(>|z|)
#> (Intercept)            1.05873    2.99206   0.354    0.723
#> age_centred           -0.02443    0.09901  -0.247    0.805
#> gender_m0             -3.51341    5.49542  -0.639    0.523
#> age_centred:gender_m0  0.10107    0.17303   0.584    0.559
#> 
#> (Dispersion parameter for binomial family taken to be 1)
#> 
#>     Null deviance: 27.526  on 19  degrees of freedom
#> Residual deviance: 27.027  on 16  degrees of freedom
#> AIC: 35.027
#> 
#> Number of Fisher Scoring iterations: 4

^由