如何在R中编写函数，使传入参数可作为glm调用的变量及输出模型名

你原有代码无法达到预期的核心原因有两个：

1. glm公式中直接写入参数myvar时，R会默认在数据集里搜索名为myvar的列，不会自动解析为你传入的变量名
2. 函数内部直接对mymodel赋值仅在函数局部环境生效，函数运行结束后全局环境无法访问生成的模型

方案1：完全匹配你的调用习惯（无需传字符串，base R原生实现） #

直接用deparse(substitute())捕获传入的参数名，再手动构造公式，最后把生成的模型赋值到全局环境：

myfunc <- function(myvar, mymodel) {
  # 捕获传入的变量名、模型名，转为字符串
  var_name <- deparse(substitute(myvar))
  model_name <- deparse(substitute(mymodel))
  # 构造回归公式
  reg_formula <- as.formula(paste0("var1 ~ var2 + var3 + var4 + ", var_name))
  # 拟合逻辑回归
  fit_model <- glm(reg_formula, data = myframe, family = "binomial")
  # 将模型赋值到全局环境
  assign(x = model_name, value = fit_model, envir = .GlobalEnv)
}

调用方式和你预期完全一致：

# 运行后全局环境会直接生成model_A、model_B对象
myfunc(var_A, model_A)
myfunc(var_B, model_B)

方案2：更符合R开发规范的写法（不修改全局环境，避免变量污染） #

更推荐让函数直接返回拟合好的模型，你在外部手动赋值，不需要操作全局环境，稳定性更高：

myfunc <- function(myvar) {
  var_name <- deparse(substitute(myvar))
  reg_formula <- as.formula(paste0("var1 ~ var2 + var3 + var4 + ", var_name))
  return(glm(reg_formula, data = myframe, family = "binomial"))
}

调用方式：

model_A <- myfunc(var_A)
model_B <- myfunc(var_B)

内容的提问来源于stack exchange，提问作者MPhilibert