R自定义因果中介函数接收列表列参数调用pmap时报变量未找到错误

• 参数匹配逻辑问题：pmap会按列名匹配函数参数，你新增的covariates列表列会作为单个整体参数传入函数的...，而非把列表内的字符串拆分为多个独立参数。
• 列选择规则冲突：dplyr::select默认采用非标准评估，你直接把字符向量形式的协变量通过...传入select时，不会被识别为列名，反而会尝试在环境中查找字符串对应的对象，最终抛出object 'vs' not found错误。
• 冗余的非标准评估调用：原函数中对字符串参数反复做ensym→enquo→quo_name的转换，完全没有必要，额外增加了出错概率。

直接修改函数定义，显式接收协变量参数，简化非必要的元编程逻辑，修改后的函数代码如下：

causal_med_so <- function(predictor, mediator, outcome, data, covariates = NULL){
  # 读取数据集
  df <- get(data, envir = .GlobalEnv) 
  
  # 筛选需要的列、去除缺失值，all_of适配字符向量形式的列名
  keep_cols <- c(predictor, mediator, outcome, covariates)
  df <- df %>%
    dplyr::select(all_of(keep_cols)) %>% 
    dplyr::filter(across(.cols = everything(), .fns = ~ !is.na(.)))
  
  # 拼接模型公式
  if (!is.null(covariates)) {
    cov_str <- paste(covariates, collapse = "+")
    med.form <- formula(paste0(mediator, "~", predictor, "+", cov_str))
    out.form <- formula(paste0(outcome, "~", predictor, "+", mediator, "+", cov_str))
  } else {
    med.form <- formula(paste0(mediator, "~", predictor))
    out.form <- formula(paste0(outcome, "~", predictor, "+", mediator))
  }
  
  # 拟合模型，不需要额外的eval、bquote调用
  med.fit <- lm(med.form, data = df)
  out.fit <- lm(out.form, data = df)
  
  # 执行中介效应分析
  med.out <- mediation::mediate(med.fit, out.fit,
                                treat = predictor,
                                mediator = mediator,
                                boot = TRUE, boot.ci.type = "bca")
  return(med.out)
}

修改完成后，你原来的参数构造和pmap调用逻辑不需要做任何调整，即可正常批量运行：

out <- param_dat %>%
  slice_head(n = 2) %>%
  pmap(., causal_med_so)

内容的提问来源于stack exchange，提问作者Raoul Duke