如何在R中检测警告并通过while循环重复运行函数至无警告？

当然可以搞定这个需求！我们可以利用R的withCallingHandlers()工具来精准捕获你提到的那些stan警告，再结合while循环重复运行模型，直到某次运行没有触发这些问题警告为止。下面是具体的实现方案：

步骤1：定义带警告捕获的模型运行函数 #

首先，我们写一个封装函数，它会运行你的stan模型，同时把所有警告信息记录下来：

library(rstanarm)

# 先替换成你自己的模型公式和数据
your_model_formula <- y ~ x1 + x2 + (1 | grouping_var)
your_data <- your_data_frame  # 你的数据集

run_stan_with_warnings <- function() {
  # 初始化空列表来存储捕获的警告
  caught_warnings <- c()
  
  # 运行模型并捕获警告
  fitted_model <- withCallingHandlers(
    # 这里替换成你实际的stan_glm/stan_glmer调用参数
    stan_glmer(
      formula = your_model_formula,
      data = your_data,
      iter = 1000,
      chains = 4,
      adapt_delta = 0.95  # 可以先尝试提高这个值，减少发散转换
    ),
    warning = function(warn) {
      # 把警告内容存入列表
      caught_warnings <<- c(caught_warnings, conditionMessage(warn))
      # 让程序继续运行，不被警告打断
      invokeRestart("muffleWarning")
    }
  )
  
  # 返回模型和捕获的警告
  list(model = fitted_model, warnings = caught_warnings)
}

步骤2：设置while循环重试直到无问题警告 #

接下来，我们设置循环，每次运行模型后检查是否出现了你关心的那些警告。如果没有，就保留结果；如果有，就重试：

# 初始化变量
final_model <- NULL
has_problem_warnings <- TRUE
max_attempts <- 15  # 建议设置最大重试次数，避免无限循环
attempt_num <- 0

while (has_problem_warnings && attempt_num < max_attempts) {
  attempt_num <- attempt_num + 1
  cat(sprintf("Running model attempt %d/%d...\n", attempt_num, max_attempts))
  
  # 运行模型并获取结果和警告
  current_run <- run_stan_with_warnings()
  
  # 定义你需要检查的警告关键词
  problematic_warning_phrases <- c(
    "divergent transitions after warmup",
    "estimated Bayesian Fraction of Missing Information was low",
    "Markov chains did not converge"
  )
  
  # 检查本次运行是否触发了任何目标警告
  triggered_problems <- any(
    sapply(problematic_warning_phrases, function(phrase) {
      any(grepl(phrase, current_run$warnings))
    })
  )
  
  if (!triggered_problems) {
    cat("✅ Success! No problematic warnings detected.\n")
    final_model <- current_run$model
    has_problem_warnings <- FALSE
  } else {
    cat("⚠️ Problematic warnings found, retrying...\n")
    # 可选：添加1秒延迟，避免过度占用CPU
    Sys.sleep(1)
  }
}

# 处理最大重试次数耗尽的情况
if (is.null(final_model)) {
  cat("❌ Max attempts reached. Could not obtain a model run without warnings.\n")
} else {
  # 这里可以对final_model做后续分析
  print(final_model)
}

关键说明 #

• 为什么用withCallingHandlers？ 它和tryCatch不同，能在警告触发时捕获信息，同时让模型继续运行，不会中断流程，非常适合我们需要完整运行模型并收集所有警告的场景。
• 关于模型本身的问题：循环重试只是临时解决方案，如果你的模型本身存在结构问题（比如数据稀疏、随机效应设定不合理），可能会一直触发警告。这时候建议先尝试调整模型参数（比如提高adapt_delta到0.99、增加迭代次数）或优化模型结构，从根源解决问题。
• 最大重试次数：一定要设置max_attempts，避免因为模型本身的问题导致无限循环，浪费计算资源。

内容的提问来源于stack exchange，提问作者user321627