knitr&x2B；lyx：精确logistic回归实践中的一个错误

你们可能知道，有一种技术，叫做精确逻辑回归。加州大学洛杉矶分校的idre提供了极好的分析示例。() 当我使用示例分析进行练习时，我会遇到knitr（+lyx）的错误

在网页中的语法列表中间，下面的语法会产生错误。Knitr似乎能很好地解释区块，但lyx产生了一个与pdf输出相关的错误

<<>>=
## model with female predictor only'
m.female <- elrm(formula = admit/ntrials ~ female, interest = ~female, iter = 22000, dataset = cdat, burnIn = 2000)
@

同时，在lyx的错误框中，我看到以下消息：

\end{verbatim}                    
You need to provide a definition with \DeclareInputText or \DeclareInputMath before using this key

然而，区块中的上述语法在R终端中运行良好，没有任何问题。我应该为块添加knitr选项吗？那是什么？先谢谢你

钟华

require(knitr)
require(elrm)
dat <- read.table(text = " 
female  apcalc    admit       num
 0        0        0         7
 0        0        1         1
 0        1        0         3 
 0        1        1         7
 1        0        0         5
 1        0        1         1
 1        1        0         0
 1        1        1         6",
   header = TRUE)
dat
summary(dat)
dat <- dat[rep(1:nrow(dat), dat$num), -4]
summary(dat)
xtabs(~ female + apcalc, data=dat)
xtabs(~ female + admit, data=dat)
xtabs(~ apcalc + admit, data=dat)
xtabs(~ female + apcalc + admit, data=dat)
x <- xtabs(~admit + interaction(female, apcalc), data = dat) 
x  # view cross tabs
cdat <- data.frame(female = rep(1:0, 2), apcalc = rep(1:0, each = 2), admit = x[1, ], ntrials = colSums(x)) 
cdat  # view collapsed data set
## model with female predictor only
m.female <- elrm(formula = admit/ntrials ~ female, interest = ~female, iter = 22000, dataset = cdat, burnIn = 2000)
####### the last syntax causes an error in lyx (+ knitr)

require（knitr）
需要（elrm）
dat问题来自进度条（特别是退格
\b
）。两种可能的解决办法：

联系
elrm
的作者，在
elrm（）
中请求一个参数
progress=TRUE/FALSE
，以便您可以使用来抑制进度条，例如
elrm（…，progress=FALSE）

将对
elrm（）
的调用移动到单独的块中，并隐藏进度条的输出，例如

<<>>=
require(elrm)
dat <- read.table(text = "
female  apcalc    admit       num
 0        0        0         7
 0        0        1         1
 0        1        0         3 
 0        1        1         7
 1        0        0         5
 1        0        1         1
 1        1        0         0
 1        1        1         6",
   header = TRUE)
dat
summary(dat)
dat <- dat[rep(1:nrow(dat), dat$num), -4]
summary(dat)
xtabs(~ female + apcalc, data=dat)
xtabs(~ female + admit, data=dat)
xtabs(~ apcalc + admit, data=dat)
xtabs(~ female + apcalc + admit, data=dat)
x <- xtabs(~admit + interaction(female, apcalc), data = dat) 
x  # view cross tabs
cdat <- data.frame(female = rep(1:0, 2), apcalc = rep(1:0, each = 2), admit = x[1, ], ntrials = colSums(x)) 
cdat  # view collapsed data set
## model with female predictor only
@

<<results='hide'>>=
m.female <- elrm(formula = admit/ntrials ~ female, interest = ~female, iter = 22000, dataset = cdat, burnIn = 2000)
@

<<>>=
summary(m.female)
@

=
需要（elrm）
dat 1。如果可能的话，请给出一个简单的例子；2.同时发布
库（knitr）的输出；sessionInfo（）
。摘自Jong Hwa:R版本2.15.2（2012-10-26）平台：i686 pc linux gnu（32位）语言环境：[1]LC_CTYPE=ko_KR.UTF-8 LC_NUMERIC=C[3]LC_TIME=ko_KR.UTF-8 LC_COLLATE=ko_KR.UTF-8[5]LC_MONETARY=ko_KR.UTF-8 LC_MESSAGES=ko_KR.UTF-8[7]LC_PAPER=C_NAME=C_[9] LC_ADDRESS=C LC_TELEPHONE=C[11]LC_MEASUREMENT=ko_KR.UTF-8 LC_IDENTIFICATION=C感谢您的建议。当我遇到一些带有进度条的函数时，“results='hide''选项和将summary（）从中分离出来非常有用。谢谢。
<<>>=
require(elrm)
dat <- read.table(text = "
female  apcalc    admit       num
 0        0        0         7
 0        0        1         1
 0        1        0         3 
 0        1        1         7
 1        0        0         5
 1        0        1         1
 1        1        0         0
 1        1        1         6",
   header = TRUE)
dat
summary(dat)
dat <- dat[rep(1:nrow(dat), dat$num), -4]
summary(dat)
xtabs(~ female + apcalc, data=dat)
xtabs(~ female + admit, data=dat)
xtabs(~ apcalc + admit, data=dat)
xtabs(~ female + apcalc + admit, data=dat)
x <- xtabs(~admit + interaction(female, apcalc), data = dat) 
x  # view cross tabs
cdat <- data.frame(female = rep(1:0, 2), apcalc = rep(1:0, each = 2), admit = x[1, ], ntrials = colSums(x)) 
cdat  # view collapsed data set
## model with female predictor only
@

<<results='hide'>>=
m.female <- elrm(formula = admit/ntrials ~ female, interest = ~female, iter = 22000, dataset = cdat, burnIn = 2000)
@

<<>>=
summary(m.female)
@