R语言glm自定义函数summary未拆分显示变量系数问题咨询

编写形参接收自变量的自定义glm()函数时，若传入两个变量乘积形式的交互项，模型summary结果仅输出截距和单个合并项的系数，无法拆分展示各变量主效应、交互项的单独系数。
原错误写法代码与运行结果如下：

test_reg <- function(parameters){
  glm_model2 <- glm(healing ~ parameters, family = "binomial", data = psa_data)
  summary(glm_model2)
}

test_reg(psa_data$gender_m0 * age_centered)

Call:
glm(formula = healing ~ parameters, family = "binomial", data = psa_data)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.2323   0.4486   0.4486   0.4486   0.6800  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  2.24590    0.13844  16.223   <2e-16 ***
parameters  -0.02505    0.01369  -1.829   0.0674 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 426.99  on 649  degrees of freedom
Residual deviance: 423.79  on 648  degrees of freedom
  (78 Beobachtungen als fehlend gelöscht)
AIC: 427.79

Number of Fisher Scoring iterations: 5

预期输出为包含截距、gender_m0主效应、age_centered主效应、gender_m0 * age_centered交互项四个系数的结果。

原写法中，调用函数时传入的psa_data$gender_m0 * age_centered会在进入函数前先完成向量乘法计算，最终传入函数的是一个计算完成的单列数值向量，glm()会将其识别为单个独立变量，无法识别其背后的两个主效应和交互项结构，因此只会输出单个对应系数。

glm()的交互项识别依赖R的特殊公式语法，不能传入提前计算好的乘积值，需要动态构造完整模型公式传入，具体写法如下：

• 改写自定义函数，用reformulate()动态拼接模型公式，不要直接在公式里写形参名
• 调用函数时传入符合R公式语法的自变量文本，而非提前计算的数值向量

修正后的代码：

test_reg <- function(parameters){
  # 动态构造模型公式，响应变量为healing，右侧为传入的自变量项
  model_formula <- reformulate(termlabels = parameters, response = "healing")
  glm_model2 <- glm(model_formula, family = "binomial", data = psa_data)
  summary(glm_model2)
}

# 调用时传入公式语法文本，R公式中a*b会自动展开为a + b + a:b（两个主效应+交互项）
test_reg("gender_m0 * age_centered")

运行后即可得到包含截距、gender_m0、age_centered、两者交互项共4个系数的summary结果。

注：如果需要传入多个不同的自变量组合，只需要在调用时按R公式的语法写对应项即可，比如传入"gender_m0 + age_centered"就会只跑两个主效应的模型，传入"gender_m0 * age_centered + biomarker"就会自动加入biomarker的主效应。

内容的提问来源于stack exchange，提问作者tonchy