使用optim进行带约束线性回归时遇‘closure不可子集化’错误求助

首先，咱们来拆解你遇到的Error in par[1] : object of type 'closure' is not subsettable错误，以及代码里的其他问题：

错误根源 #

1. par变量未定义，触发内置函数冲突
   你在测试min.RSS(par, data=df, form=formula)时，par这个变量根本没赋值。而R有个内置的par()函数（用来设置图形参数），所以R把你写的par当成了这个内置函数——函数属于closure类型，不能用[1]做子集操作，自然报错。

2. optim参数传递完全错误
   optim的第二个参数需要传入目标函数本身，而不是函数的调用结果。你现在写的min.RSS(par, data=df, form=formula)是直接执行函数，这完全不符合optim的语法要求。

3. 动态生成的公式语法混乱
   你的formfun生成的表达式有多余的括号、逗号，比如sum(()par[1] * df[2] + ,...)，这种语法错误会导致eval(parse(...))无法正确计算RSS。

4. 目标函数依赖全局变量
   min.RSS里直接用了全局的df，而不是传入的data参数，这不仅让函数失去复用性，还容易引发变量作用域问题。

修正后的完整代码 #

set.seed(1000)

# 修正：生成因变量+n个自变量的数据框，循环逻辑更清晰
sampler <- function(n){
  df <- data.frame(y = sample(-100:100, 5000, replace = TRUE))
  # 循环生成n个自变量列，从第2列开始
  for (i in 1:n){
    df[, i+1] <- sample(-100:100, 5000, replace = TRUE)
  }
  # 给自变量列命名，方便后续查看
  colnames(df)[-1] <- paste0("x", 1:n)
  df
}

# 修正：生成正确的RSS计算公式字符串
formfun <- function(n) {
  # 生成每个自变量的项：par[i] * data[,i+1]
  terms <- sapply(1:n, function(i) paste0("par[", i, "] * data[,", i+1, "]"))
  # 把所有项用+连接成线性预测表达式
  linear_pred <- paste(terms, collapse = " + ")
  # 组合成完整的RSS计算式：sum((线性预测值 - y)^2)
  paste0("sum( (", linear_pred, " - data[,1])^2 )")
}

# 修正：使用传入的data参数，不再依赖全局变量
min.RSS <- function(par, data, form) {
  eval(parse(text = form))
}

# 测试代码
n <- 5
df <- sampler(n)
formula <- formfun(n)

# 修正：optim的参数传递逻辑
result <- optim(
  par = rep(1, n),  # 初始参数值
  fn = min.RSS,     # 目标函数本身
  data = df,        # 传递给min.RSS的额外参数
  form = formula,
  method = "L-BFGS-B",  # 带边界约束的优化方法
  lower = rep(0, n),    # 每个系数的下界：非负
  upper = rep(10000, n) # 每个系数的上界
)

# 查看结果
result$par  # 约束后的系数
result$value # 最小化的RSS

关键修正说明 #

• sampler函数：调整了循环逻辑，给自变量列命名，让数据结构更清晰。
• formfun函数：生成语法正确的RSS表达式，避免了多余的符号，同时使用data参数而不是全局df。
• min.RSS函数：严格使用传入的data参数，消除全局变量依赖。
• optim调用：正确传递目标函数min.RSS，并通过额外参数传递data和form；lower设置为长度为n的0向量，确保每个系数都满足非负约束。

内容的提问来源于stack exchange，提问作者Jan Felix