Apollo中为何无法将效用函数压缩为单个参数？

问题背景 #

我正在用Apollo构建有序logit模型，需要编写超100种模型设定，希望通过代码压缩减少工作量。目前通过合并向量的方式整理apollo_beta参数完全可行：

randstad <- c(
  #b_randstad_is = 0,
  b_randstad_not = 0,
  b_randstad_to = 0,
  b_randstad_from = 0
)

wdist <- c(
  b_weekdist_dec    = 0,
  b_weekdist_inc    = 0,
  b_weekdist_same         = 0,
  #b_weekdist_nojob              = 0,
  b_weekdist_lostjob             = 0,
  b_weekdist_gotjob              = 0,
  b_weekdist_alwayswfh  = 0,
  b_weekdist_wfhtocommuting = 0,
  b_weekdist_commutingtowfh = 0,
  b_weekdist_differingaddresses  = 0
)

spec1 <- c(
  randstad,
  wdist
)

apollo_beta = c(spec1,
                tau_nautos_change_1                = 0,
                tau_nautos_change_2                = 1)

但尝试用quote()压缩效用函数并传入ol_settings时，出现以下错误：

Error in apollo_preprocess(inputs = ol_settings, modelType, functionality, :  "utility" for model component "OL" needs to be a function, a scalar, or a vector/matrix/cube with one row per observation in the "database"

直接写入效用函数表达式则能正常运行，且调用uspec1（我用quote生成的效用表达式对象）能得到预期的表达式，请问为何效用函数无法通过这种方式压缩？

原因分析 #

Apollo的有序logit组件（OL）对utility参数的要求是：必须是可被求值为对应维度对象的表达式、函数，或者直接是符合要求的数值对象。

quote()的作用是返回一个未求值的语言对象（即代码的语法结构），而不是可直接执行的计算逻辑。虽然你调用uspec1能看到预期的表达式文本，但这个对象本身只是R的语法树节点，并没有被解析成能生成效用值的计算式。

当你直接写效用表达式时，R会将其作为可求值的表达式传入，Apollo在预处理阶段可以对其解析、求值，生成每个观测对应的效用向量；但用quote()包裹后，传入的是call类型的对象，Apollo的预处理函数无法自动对其进行求值，因此触发类型不匹配的报错。

解决办法 #

方法1：用eval()对quote对象求值后传入

将quote生成的表达式通过eval()求值，确保传入的是实际的效用计算结果：

# 假设uspec1是用quote生成的效用表达式
uspec1 <- quote(
  b_randstad_not * randstad_not + 
  b_randstad_to * randstad_to + 
  b_weekdist_dec * weekdist_dec +
  # 补充其他效用项...
)

# 构建ol_settings时用eval求值
ol_settings <- list(
  modelName    = "OL_model",
  choiceVar    = nautos_change,
  utility      = eval(uspec1),
  tau          = c(tau_nautos_change_1, tau_nautos_change_2)
)

注意：要确保eval()在包含所有beta参数和数据库变量的环境中执行（比如在Apollo的主函数环境内，或者用with()指定环境）。

方法2：将效用逻辑封装为函数

把效用计算写成一个接收beta和数据的函数，直接传入utility参数：

# 定义效用函数，接收beta列表和数据库数据
utility_fun <- function(beta, data) {
  with(data,
    beta$b_randstad_not * randstad_not + 
    beta$b_randstad_to * randstad_to + 
    beta$b_weekdist_dec * weekdist_dec +
    # 补充其他效用项...
  )
}

# 传入函数作为utility
ol_settings <- list(
  modelName    = "OL_model",
  choiceVar    = nautos_change,
  utility      = utility_fun,
  tau          = c(tau_nautos_change_1, tau_nautos_change_2)
)

这种方式更灵活，适合批量生成不同模型设定的场景。

方法3：用bquote()构建带插值的可求值表达式

如果需要动态生成效用表达式（比如批量替换变量），可以用bquote()来构建带插值的表达式，它会自动替换指定的变量，返回可直接求值的表达式：

# 动态生成效用表达式，比如从变量列表拼接
randstad_terms <- paste0("b_randstad_", names(randstad), " * ", names(randstad))
wdist_terms <- paste0("b_weekdist_", names(wdist), " * ", names(wdist))
all_terms <- c(randstad_terms, wdist_terms)

# 用bquote构建可求值的表达式
uspec1 <- bquote(.(parse(text = paste(all_terms, collapse = " + "))[[1]]))

# 直接传入uspec1即可
ol_settings <- list(
  modelName    = "OL_model",
  choiceVar    = nautos_change,
  utility      = uspec1,
  tau          = c(tau_nautos_change_1, tau_nautos_change_2)
)

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