很高兴能帮你解决这个问题！当你使用rcs()自动确定结点位置（且设置pc=0、fractied=0.05）时，有几种直观的方法可以提取到这些结点的具体值，下面是具体实现：

方法1：直接调用rcspline.eval()（和rcs内部逻辑完全一致） #

你已经在问题里贴出了rcs()内部计算结点的代码片段，本质上就是调用rcspline.eval()来生成结点，所以直接复用这个逻辑就能拿到你需要的结点位置：

library(rms)

# 假设你的连续预测变量是x，你指定的结点数为nknots（比如设为5）
nknots <- 5
# 调用rcspline.eval，参数和你的场景完全匹配：pc=0，fractied=0.05
xd <- rcspline.eval(x, nk = nknots, inclx = TRUE, pc = 0, fractied = 0.05)
# 从返回结果的属性中提取结点
rcs_knots <- attr(xd, "knots")

# 打印结点位置
print(rcs_knots)

方法2：从已拟合的模型对象中提取 #

如果你已经用lrm()/ols()等函数拟合了包含rcs()的模型，可以直接从模型对象中提取结点，不用重复计算：

# 先拟合模型示例（变量和结点数根据你的实际情况调整）
fit <- lrm(Y ~ rcs(your_continuous_var, nknots), data = your_data)

# 方式2.1：从模型的Design属性中提取
design_obj <- fit$Design
rcs_knots <- attr(design_obj$your_continuous_var, "knots")

# 方式2.2：从rcs项的属性中提取
rcs_term <- terms(fit)[[2]] # 假设rcs是模型的第二个项，根据实际位置调整
rcs_knots <- attr(rcs_term, "knots")

print(rcs_knots)

这两种方法得到的结点位置完全一致，因为它们都是基于rcspline.eval()的相同参数计算而来的。你可以根据自己的需求选择：如果还未拟合模型，用方法1最直接；如果已经有拟合好的模型，方法2更便捷。

内容的提问来源于stack exchange，提问作者user6571411