使用带有 emmeans 的抽象公式答案

【问题标题】：Using abstract formula with emmeans使用带有 emmeans 的抽象公式
【发布时间】：2020-03-16 02:00:30
【问题描述】：

我正在使用emmeans 来通过对数转换来调整均值。

但出乎意料的是，当我尝试使用自定义函数调用它时，行为完全不同，没有明确的警告（关于日志转换的警告除外）。

这是一个可重现的例子：

db = mtcars %>% mutate(cyl=factor(cyl))
m = lm(log(mpg) ~ log(disp) + cyl, data = db)
print(m$call)
emm = emmeans(m, spec = "cyl", type = "response")
as.data.frame(emm)

f = function(formula){
  m = lm(formula, data = db)
  print(m$call)
  emm = emmeans(m, spec = "cyl", type = "response")
  as.data.frame(emm)
}
f(log(mpg) ~ log(disp) + cyl)

这里，函数内外模型的唯一区别是call对象（用all.equal()测试）。否则，它们会给出完全相同的结果。

这段代码不是我的，我只是想自动化它，假设“外部函数”输出是正确的。

为什么输出不同？如何自动化emmeans 呼叫？

【问题讨论】：

另见stackoverflow.com/a/36228342/4241780

标签： r functional-programming formula emmeans

【解决方案1】：

如here 所述，这也可以使用do.call 来完成。


db = dplyr::mutate(mtcars, cyl=factor(cyl))

f <- function(formula){
  m = do.call(lm, list(formula = formula, data = db))
  print(m$call$formula)
  emm = emmeans::emmeans(m, spec = "cyl", type = "response")
  as.data.frame(emm)}

f(log(mpg) ~ log(disp) + cyl)
#> log(mpg) ~ log(disp) + cyl
#>   cyl response       SE df lower.CL upper.CL
#> 1   4 18.59940 1.847377 28 15.17535 22.79603
#> 2   6 17.71003 1.011478 28 15.75472 19.90802
#> 3   8 17.71054 1.020718 28 15.73839 19.92981

^{由reprex package (v0.3.0) 于 2021-07-08 创建}

【讨论】：

【解决方案2】：

这是一个范围问题（公式有一个相关的环境，取决于它们的创建方式/位置）。您可以通过计算语言将公式插入到lm 调用中：

f = function(formula){
  m = eval(bquote(lm(.(formula), data = db)))
  print(m$call)
  emm = emmeans(m, spec = "cyl", type = "response")
  as.data.frame(emm)
}

【讨论】：