r - 将模型参数稳健地传递给 R 的 predict() 函数

Question

我正在尝试使用 R 来拟合线性模型并进行预测。我的模型包括一些不在数据框中的常量边参数。这是我正在做的简化版本：

dat <- data.frame(x=1:5,y=3*(1:5))
b <- 1
mdl <- lm(y~I(b*x),data=dat)

不幸的是，模型对象现在遇到了一个危险的范围问题：lm()不保存b为的一部分mdl，所以当predict()被调用时，它必须回到b定义的环境中。因此，如果后续代码改变 的值b，预测值也会改变：

y1 <- predict(mdl,newdata=data.frame(x=3)) # y1 == 9
b <- 5
y2 <- predict(mdl,newdata=data.frame(x=3)) # y2 == 45

如何强制predict()使用原始b值而不是更改后的值？或者，是否有某种方法可以控制predict()变量的查找位置，以便我可以确保它获得所需的值？实际上，我不能将b其作为newdata数据框的一部分包含在内，因为在我的应用程序中，b它是一个参数向量，其大小与新观察的数据框的大小不同。

请注意，相对于我的实际用例，我已经大大简化了这一点，所以我需要一个强大的通用解决方案，而不仅仅是临时黑客。

Answer 1

eval(substitute引用表达式中的值

mdl <- eval(substitute(lm(y~I(b*x),data=dat), list(b=b)))

mdl
# Call:
# lm(formula = y ~ I(1 * x), data = dat)
# ...

Answer 2

我们也可以使用bquote

mdl <- eval(bquote(lm(y~I(.(b)*x), data=dat)))
mdl

#Call:
#lm(formula = y ~ I(1 * x), data = dat)

#Coefficients:
#(Intercept)     I(1 * x)  
#  9.533e-15    3.000e+00  

根据?bquote描述

'bquote' 引用了它的参数，除了包裹在 '.()' 中的术语是在指定的 'where' 环境中评估的。