使用R语言rms包ols模型的calibrate函数时出现错误

我之前也碰到过一模一样的问题，核心原因其实很明确：rms包的calibrate()函数是专为rms系列模型（比如lrm()）设计的，如果你传入base R的lm()模型对象，就会触发参数不兼容的错误。看你的示例代码，应该是用lm()拟合的模型对吧？

下面是修正后的完整可复现代码，一步步帮你解决问题：

步骤1：加载依赖包与数据 #

library(rms)
library(MASS)
data(whiteside)
w.Before <- whiteside[whiteside$Insul == "Before", ]

步骤2：用rms包的lrm()拟合模型 #

别再用base的lm()了，改用lrm()——这是rms实现的线性回归模型，和calibrate()完美兼容：

# 以Gas为因变量、Temp为自变量拟合模型
fit <- lrm(Gas ~ Temp, data = w.Before)

步骤3：调用calibrate()生成校准图 #

现在再调用calibrate()就不会报错了，参数B是自助法重复次数，可根据你的计算资源调整：

# 生成校准数据，B=200是常用的自助次数
cal_plot_data <- calibrate(fit, B = 200)
# 绘制校准图
plot(cal_plot_data)

为什么原来的代码会报错？ #

当你把lm()模型传给calibrate()时，函数内部会尝试处理fail参数，但lm模型没有rms模型对应的属性，导致!fail的逻辑判断中fail不是布尔值，从而抛出"invalid argument type"错误。而lrm()模型会自动设置好calibrate()需要的元数据，从根源避免了这个问题。

如果你的模型是广义线性模型，rms包也有对应的增强版模型（比如glrm()），同样可以直接用calibrate()。

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