使用管道符调用自定义lmer()函数时变量找不到的问题排查

要实现func(drat)这种简洁调用，有两种可靠的方法：

方法1：用rlang::inject注入tidy eval表达式 #

lme4的lmer不原生支持tidy eval语法，需要用rlang::inject把{{}}解析后的结果注入到公式中：

library(dplyr)
library(lme4)
library(rlang)

func <- function(my_variable){
  mtcars %>%
    lmer(inject({{my_variable}} ~ gear + (1|carb)), data = .)
}

# 调用测试
func(drat)

方法2：手动构建公式字符串 #

先把响应变量名转成字符串，再拼接成公式：

library(dplyr)
library(lme4)

func <- function(my_variable){
  # 提取传入的变量名
  resp_var <- as_name(enquo(my_variable))
  # 拼接公式字符串
  model_formula <- as.formula(paste(resp_var, "~ gear + (1|carb)"))
  
  mtcars %>%
    lmer(model_formula, data = .)
}

# 调用测试
func(drat)

核心原因是两个函数的变量解析机制不同：

• dplyr函数（如summarise）：原生支持tidy eval语法，内部会通过enquo()捕获传入的变量符号，然后自动在管道传递的数据框环境中查找对应变量。{{my_variable}}是enquo()和!!的语法糖，dplyr能识别并正确解析到数据框中的列。

• lmer函数：不支持tidy eval，它的公式解析遵循R传统规则：

  1. 先在当前调用环境（即自定义函数func的环境）中查找公式里的变量
  2. 找不到才会去data参数指定的数据框中查找
     当你用{{my_variable}}时，相当于直接把drat这个符号放到公式里，lmer会先在func的环境里找drat——但这个环境里没有这个变量，所以直接报错，不会去mtcars里找。

在func的管道调用中，mtcars被传给了lmer的data参数，但公式里的{{my_variable}}展开后是drat这个符号。由于lmer不识别tidy eval语法，它不会把drat和data参数关联起来，而是优先在func的函数环境中查找drat，找不到就抛出错误。

而func_notascool能运行，是因为你直接传入了mtcars$drat——这是一个已经从数据框中提取出来的向量，lmer不需要去data里查找变量，直接使用这个向量即可，但这种调用方式不够简洁。

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