lrm fit vs glm适合不连续函数

Question

使用lrm（rms包）进行拟合时出错，而我没有使用glm。我想将lrm函数用于与软件包相关的验证和校准功能。

也许我对我的模型感到困惑：如果协变量为零，我预计会有非常不同的结果，如果结果是非零的话。更喜欢将两个术语而不是单个函数拟合到数据

 a= c(rep(0,10),rnorm(90,10,1)) # 10% outcomes=0, 90% clustered around 10.
 b= rnorm(100)>0
 mydataframe=data.frame(a,b)
 glm(b~I(a>0)+a,data=mydataframe,family='binomial') # no errors.
 lrm(b~I(a>0)+a,data=mydataframe)

  

if（！length（fname）||！any（fname == zname））{：     缺少需要TRUE / FALSE的值

当然glm或lrm只用glm(b~a, data=mydataframe)就可以正常工作，但是当＆＃34; a＆＃34;的功能时，也不应该工作。包含两次？或者是否存在一些奇点或难以置信的估计？

提前感谢任何方向！

Answer 1

感谢jogo的评论，我认为问题仅在于我的公式中缺少特定的变量名称。无论出于何种原因，lrm（）不像glm（）那样处理它。简单地将新变量分配给I（a＆gt; 0）并在模型中包含该变量似乎删除了错误：

 a= c(rep(0,10),rnorm(90,10,1)) # 10% outcomes=0, 90% clustered around 10.
 b= rnorm(100)>0
 mydataframe=data.frame(a,b)
 glm(b~I(a>0)+a,data=mydataframe,family='binomial') # no errors.
 mydataframe$k = I(a>0)
 lrm(b~k+a,data=mydataframe) # also works!