R语言自定义函数中glm()公式的作用域与非标准评估报错解决办法

glm()评估公式变量时，优先查找你传入的data参数（也就是示例中的DF2），找不到的话会去公式本身所属的环境查找。你调用函数时传入的formula = y ~ x + a + b是在全局环境定义的，全局环境里没有直接叫y、x的对象，因此触发报错。

直接把传入的x、y和给定的data合并成新的建模数据集，glm()直接从合并后的数据里找所有变量，完全规避作用域问题，代码稳定性更强，后续做模型预测、诊断也不会因为环境丢失出问题：

fun <- function(x, y, formula = y ~ x, data = NULL) {
  out <- list()
  out$tab <- table(x, y)
  # 合并x、y到传入的data中，列名和公式里的x、y对应
  model_data <- cbind(data.frame(y = y, x = x), data)
  out$mod <- glm(formula = formula,
                 family = binomial,
                 data = model_data)
  out
}

原来的调用代码不需要任何修改即可正常运行：

# 测试调用
res <- fun(x = DF1$x,
    y = DF1$y,
    formula = y ~ x + a + b,
    data = DF2)
# 查看模型结果
summary(res$mod)

如果不想合并数据集，可以把传入公式的环境设置为函数的当前环境，这样glm()在data里找不到变量时，就会到函数内部查找x、y参数：

fun <- function(x, y, formula = y ~ x, data = NULL) {
  out <- list()
  out$tab <- table(x, y)
  # 重设公式的环境为当前函数环境
  environment(formula) <- environment()
  out$mod <- glm(formula = formula,
                 family = binomial,
                 data = data)
  out
}

内容的提问来源于stack exchange，提问作者Thomas