在父函数外使用as.formula()导致R语言coxph模型运行报错

问题场景 #

在使用R的survival包拟合Cox比例风险模型时，发现将as.formula()的调用放在函数外部会导致survfit报错，移到函数内部则运行正常，具体代码及报错如下：

1. 初始可运行代码（直接写公式） #

data(mgus2, package="survival") # 导入mgus2数据
ndata <- expand.grid(sex=c("F", "M"), age=c(60, 80))

# 拟合Cox PH模型并计算生存曲线
fit_cox <- function(df) {
    msfit <- coxph(Surv(futime, death) ~ sex + age, data=df, id=id)
    mssurv <- survfit(msfit, newdata=ndata)
}

fit_cox(mgus2)

2. 外部定义formula导致报错 #

my_formula <- as.formula("Surv(futime, death) ~ sex + age")

# 拟合Cox PH模型并计算生存曲线
fit_cox <- function(df) {
    msfit <- coxph(my_formula, data=df, id=id)
    mssurv <- survfit(msfit, newdata=ndata)
}

fit_cox(mgus2)
# 报错信息：
# Error in model.frame.default(formula = Surv(futime, death) ~ sex + age,  : 
# 'data' must be a data.frame, environment, or list

3. 内部定义formula运行正常 #

fit_cox <- function(df) {
    my_formula <- as.formula("Surv(futime, death) ~ sex + age") # 移到函数内部
    msfit <- coxph(my_formula, data=df, id=id)
    mssurv <- survfit(msfit, newdata=ndata)
}

fit_cox(mgus2)
# 运行成功

差异原因：公式的环境绑定机制 #

R中的公式对象并非只是字符串转换后的表达式，它会绑定创建时所在的环境，这是核心差异点：

• 当as.formula()在函数外部执行时，公式绑定的是全局环境（.GlobalEnv）。调用coxph时，虽然指定了data=df，但公式中引用的变量（如id）会优先在全局环境中查找，而非函数的局部环境或传入的df数据框。若全局环境中没有对应变量，后续survfit处理模型对象时，就会因无法定位正确的数据来源而抛出错误。

• 当as.formula()在函数内部执行时，公式绑定的是函数的局部环境。此时公式中的变量会优先在局部环境（包括传入的df）中查找，coxph和survfit能正确识别数据来源，因此运行正常。

补充：如果全局环境中恰好存在id变量，外部定义公式的代码可能不会立刻报错，但这属于依赖全局变量的危险写法，极易引发变量冲突或数据不一致问题，不建议使用。

内容的提问来源于stack exchange，提问作者steliosbl