R公式中使用赋值为NULL的变量报错问题求助

错误原因 #

直接在公式中写 Y ~ X + NULL 是R公式语法的特殊情况，R会自动忽略NULL；但当你把NULL赋值给变量n再写Y ~ X + n时，R会将n识别为需要从数据框中读取的变量名，而非语法层面的NULL，而数据中不存在名为n的变量，且变量类型为NULL，因此抛出invalid type (NULL) for variable 'n'错误。

解决方案 #

以下两种方法均仅使用tidyverse/tidymodels生态内的工具，符合课程库限制需求，可实现用占位变量迭代模型组合的目标：

方法1：字符串拼接动态生成公式 #

通过构建变量列表、过滤NULL、拼接公式字符串再转换为公式对象，实现动态调整模型变量：

library(tidymodels)
library(tibble)
library(purrr)

data <- tibble(Y = c(1,3), X = c(2,3))
n <- NULL

# 构建变量列表，自动过滤NULL值
predictors <- c("X", n) |> discard(is.null)
# 拼接成公式字符串
formula_str <- paste("Y ~", paste(predictors, collapse = " + "))
# 转换为公式对象
final_formula <- as.formula(formula_str)

# 拟合模型并输出整洁结果
model <- linear_reg() |>
  set_engine("lm") |>
  fit(final_formula, data = data)

tidy(model)

方法2：使用rlang的tidyeval语法构建公式 #

利用tidyverse的tidyeval特性，通过expr()和非拼接操作动态生成公式，更符合tidyverse编程风格：

library(tidymodels)
library(tibble)
library(rlang)

data <- tibble(Y = c(1,3), X = c(2,3))
n <- NULL

# 动态构建公式，NULL会被自动忽略
final_formula <- expr(Y ~ X + !!!n)

# 拟合模型并输出整洁结果
model <- linear_reg() |>
  set_engine("lm") |>
  fit(final_formula, data = data)

tidy(model)

验证变量存在的场景 #

当占位变量n为实际变量名时，两种方法均可正常将变量加入模型：

# 扩展数据，增加变量Z
data <- tibble(Y = c(1,3), X = c(2,3), Z = c(5,7))
n <- "Z"

# 方法1验证
predictors <- c("X", n) |> discard(is.null)
formula_str <- paste("Y ~", paste(predictors, collapse = " + "))
final_formula <- as.formula(formula_str)
model <- linear_reg() |> set_engine("lm") |> fit(final_formula, data = data)
tidy(model)

# 方法2验证（需将字符串转换为符号）
final_formula <- expr(Y ~ X + !!sym(n))
model <- linear_reg() |> set_engine("lm") |> fit(final_formula, data = data)
tidy(model)

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