我真的在这里挠头。我真的不明白发生了什么。这是MWE,但实际的代码和目的比这更复杂。因此,代码:
library(dplyr)
ds <- mutate(iris, Species = as.numeric(Species == 'setosa'))
ds %>%
do_(
.dots = lazyeval::interp(
"broom::tidy(stats::glm(form, data = ., family = distr))",
form = Species ~ Sepal.Length,
distr = binomial()
)
)
返回:Error in family$linkfun(mustart) : object 'C_logit_link' not found
...但是此代码位正常:
ds %>%
do_(
.dots = lazyeval::interp(
"broom::tidy(stats::glm(form, data = ., family = distr))",
form = Sepal.Width ~ Sepal.Length,
distr = gaussian()
)
)
两者之间的唯一区别是使用的家庭分布(高斯与二项式)和所使用的变量。
所以问题:为什么LazyeVal找不到C_logit_link
?
调用 interp(x, *)
时,它会评估要插入x
的参数。在binomial()
的情况下,结果是代表GLM中二项式分布的结构。
interp(~x, x=binomial())
#~list(family = "binomial", link = "logit", linkfun = function (mu)
#.Call(C_logit_link, mu), linkinv = function (eta)
#.Call(C_logit_linkinv, eta), variance = function (mu)
#mu * (1 - mu), dev.resids = function (y, mu, wt)
#.Call(C_binomial_dev_resids, y, mu, wt), aic = function (y, n,
# mu, wt, dev)
#{
# m <- if (any(n > 1))
# . . .
埋在该结构内部是通过对象C_logit_link
呼叫编译C代码的函数。这是统计包中的一个未出现的对象。通常一切正常,因为该功能的环境是统计名称空间,因此它可以找到C_logit_link
。
这里的问题在于,您要插值的对象是字符串,这意味着将其插入其中的所有内容也被强制为字符串。失去查找C_logit_link
所需的环境信息。
解决方案是插入公式:
library(dplyr)
ds <- mutate(iris, Species = as.numeric(Species == 'setosa'))
ds %>%
do_(
.dots = lazyeval::interp(
~broom::tidy(stats::glm(form, data = ., family = distr)), # formula
form = Species ~ Sepal.Length,
distr = binomial()
)
)
# term estimate std.error statistic p.value
#1 (Intercept) 27.828521 4.8275611 5.764509 8.189574e-09
#2 Sepal.Length -5.175698 0.8933984 -5.793270 6.902910e-09