R 使用mgcv:：gam进行非标准评估

我正在创建一个函数，它将对回归函数的未赋值调用作为输入，创建一些数据，然后对调用求值。以下是一个例子：

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)

但是，此操作失败，并显示错误消息：

eval（predvars、data、env）中出错：找不到对象“y”

我意识到这一错误可能与以下因素有关，但我的问题是，是否有人能想出一种变通方法，让我以与使用其他建模函数相同的方式使用

gam

？据我所知，相关问题并不能解决这个问题

下面是一个完整的reprex：

set.seed（1）
图书馆（lme4）
#>加载所需包：矩阵
计算拟合
#>lmList
#>这是mgcv 1.8-26。有关概述，请键入“帮助（“mgcv包”）”。
gamcall=call（“gam”，引号（列表（公式=y~x）））
计算拟合（gamcall）
#>eval（predvars、data、env）中出错：找不到对象“y”

我会将

df

添加到调用中，而不是在

df

中进行计算：

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

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

计算拟合