R中lapply实现GLM自助抽样遇作用域问题：w未被识别原因

问题重现 #

在R 4.3.0中用lapply做GLM的自助抽样时，遇到一个特殊问题：当把GLM的公式ff定义在匿名函数外部时，代码会报object 'w' not found的错误，但把公式放在函数内部就能正常运行。

可正常运行的代码（公式在函数内） #

library(dplyr)
data_adult <- read.csv("https://raw.githubusercontent.com/guru99-edu/R-Programming/master/adult.csv")
data_adult$Y <- (data_adult$hours.per.week > 40)

iest_boot <- lapply(1:10, function(bb){
  ff <- as.formula('Y ~ gender')
  w <- rexp(nrow(data_adult), 1)
  glmout <- glm(ff, 'quasibinomial', data_adult, w)
  return(coef(glmout))
})

报错的代码（公式在函数外） #

ff <- as.formula('Y ~ gender')
iest_boot <- lapply(1:10, function(bb){
  w <- rexp(nrow(data_adult), 1)
  glmout <- glm(ff, 'quasibinomial', data_adult, w)
  return(coef(glmout))
})
# 报错信息：Error in eval(extras, data, env) : object 'w' not found

问题原因 #

核心在于公式对象的环境绑定规则：

• 当你在全局环境定义ff时，这个公式对象的默认绑定环境是全局环境（.GlobalEnv）。
• glm在处理weights参数时，如果传入的是变量名（比如这里的w），它会优先在公式绑定的环境中查找这个变量，而不是当前函数的局部环境。
• 你的w是定义在lapply匿名函数内部的局部变量，全局环境中不存在这个对象，因此会触发找不到的错误。

而把ff放在匿名函数内部时，公式的绑定环境就是这个函数的执行环境，里面正好有定义好的w，所以能正常查找。

至于全局的data_adult能被识别，是因为R的作用域规则是从当前环境向上回溯查找，glm在处理数据参数时，会从匿名函数环境往上找到全局环境，自然能拿到这个数据集。

解决办法 #

有两种简单的解决方式：

• 保持公式在函数内部定义（就是你已经验证过的正常写法）。
• 如果一定要把公式放在外部，有两种子方案：
  • 显式传入权重向量（写法更清晰直观）：

    ff <- as.formula('Y ~ gender')
    iest_boot <- lapply(1:10, function(bb){
      w <- rexp(nrow(data_adult), 1)
      glmout <- glm(ff, 'quasibinomial', data_adult, weights = w)
      return(coef(glmout))
    })
    

  • 修改公式的绑定环境为当前函数环境：

    ff <- as.formula('Y ~ gender')
    iest_boot <- lapply(1:10, function(bb){
      environment(ff) <- environment() # 将公式环境切换到当前函数的局部环境
      w <- rexp(nrow(data_adult), 1)
      glmout <- glm(ff, 'quasibinomial', data_adult, w)
      return(coef(glmout))
    })
    

内容的提问来源于stack exchange，提问作者The_Anomaly