R：在R函数内将参数传递给glm

我试图习惯R中的作用域问题。我想在函数中调用函数

glm（）

，但它不起作用，显然是由于作用域原因，我没有设法用函数

assign（）

或

eval（）

修复

以下是一个简化版本：

ao <- function (y, x, phi = seq (0,1,0.1), dataset, weights) {
    logLikvector <- rep(0,length(phi))  # vector of zeros to be replaced thereafter
    for (i in 1:length(phi)) {          # loop to use glm()   
        fit <- glm (y ~ x, data = dataset, family = binomial, weights = weights)         
        logLikvector[i] <- logLik(fit)      # get log likelihood
    }
    logLikvector
}

这不起作用，但以下措施起作用：

ao (y = mydata$Prop, x = mydata$Age, dataset = mydata, weights = mydata$Total)

有人知道该怎么做吗

任何帮助都将不胜感激

顺便说一句，这里是如何复制我使用的数据集的问题

library("MASS")
data(menarche)
mydata <- menarche
mydata$Prop <- mydata$Menarche / mydata$Total

library（“MASS”）
数据（月经初潮）
mydata
ao我建议使用
paste
创建公式，并使用
do.call
调用函数

ao <- function (y, x, phi = seq (0,1,0.1), dataset, weights) {
  logLikvector <- rep(0,length(phi))  # vector of zeros to be replaced thereafter
  for (i in 1:length(phi)) {          # loop to use glm()
    f <- as.formula(paste(y, x, sep="~"))
    fit <- do.call("glm", list(formula=f, data=as.name(dataset), 
                   family="binomial", weights=as.name(weights)))
    logLikvector[i] <- logLik(fit)      # get log likelihood
  }
  logLikvector
}

有关更多详细信息，请参阅。
带替代品的解决方案（@DWin建议）

函数（y、x、数据集、权重）{
f与其使用稍微难看的
结构（名称（.）==arg
结构，为什么不使用
替换（arg）
？我用你的答案尝试了一下，它在所有三种情况下都能很好地为你提供出色的答案。Maiasaura，谢谢！这确实有效，我同意DWin使用替换（arg）的观点更轻。无论如何，我现在更了解这个范围原则了…@DWin:
substitute（arg）
是在函数中执行类似操作的一种非常好的方法。感谢您的提示！感谢您给我机会尝试我今天早上在SO上学到的课程。Aaron，也感谢您！您的回答让我了解了do.call。我将按照DWin的建议使用替换（arg）。在这种情况下，我也可以使用，
替换（arg）
在这种情况下是一种很好的方法。它实际上与我的解决方案完全相同，只是您可以将参数作为名称而不是字符（即不带引号）传递。非常感谢Sobala！我自己不会轻易找到它，因为我仍然处于R中学习曲线的开始阶段！
ao <- function (x, y, phi = seq (0,1,0.1), dataset, weights) {
    logLikvector <- rep(0,length(phi))
    x <- dataset[,substitute(x)]
    y <- dataset[,substitute(y)]
    weights <- dataset[,substitute(weights)]
        for (i in 1:length(phi)) {          # loop to use glm()
        fit <- glm (y ~ x, data = dataset, family = binomial, weights = weights)
        logLikvector[i] <- logLik(fit)      # get log likelihood
    }
    return(logLikvector)
}



library("MASS")
data(menarche)
mydata <- menarche
mydata$Prop <- mydata$Menarche / mydata$Total
ao(y = "Prop",x = "Age", dataset = mydata, weights = "Total")


[1] -55.37763 -55.37763 -55.37763 -55.37763 -55.37763 -55.37763
 [7] -55.37763 -55.37763 -55.37763 -55.37763 -55.37763

ao <- function (y, x, phi = seq (0,1,0.1), dataset, weights) {
  logLikvector <- rep(0,length(phi))  # vector of zeros to be replaced thereafter
  for (i in 1:length(phi)) {          # loop to use glm()
    f <- as.formula(paste(y, x, sep="~"))
    fit <- do.call("glm", list(formula=f, data=as.name(dataset), 
                   family="binomial", weights=as.name(weights)))
    logLikvector[i] <- logLik(fit)      # get log likelihood
  }
  logLikvector
}

ao("Prop", "Age", dataset="mydata", weights="Total")

function(y, x, dataset, weights){
  f <- substitute(glm(y~x, data=dataset, weights=weights, family=binomial))
  logLik(eval(f))
}