将glm模型传递给自定义函数

Question

我想将glm模型传递给自定义函数，但会遇到错误消息

  

eval（expr，envir，enclos）中的错误：object ... not found

我想传递拟合的glm模型，并使用相同的公式，族，数据和权重作为输入以适应新模型。我已尝试使用下面的代码（如果我只设置glmModel = testModel并在手动中运行代码中，则可以正常工作）。出了什么问题？

glmPassing <- function(glmModel){
   weightsTest = glmModel$weights
   glmTest = glm(formula = glmModel$formula, family = glmModel$family, data = glmModel$data, weights = weightsTest)
   summary(glmTest)
} 

test = iris
testModel = glm(Sepal.Length ~ Sepal.Width + I(Sepal.Width^2), family = gaussian, data = test, weights = Petal.Width)
glmPassing(testModel) 

我已经将权重分离为一个新变量，因为我发现了导致错误消息的原因。使用上面的代码，错误消息是

  

eval（expr，envir，enclos）中的错误：object＆＃39; weightsTest＆＃39;找不到

谢谢！

Answer 1

使用此

glmPassing <- function(glmModel){
 weightsTest = glmModel$weights
 glmTest = do.call("glm", list(formula = glmModel$formula, family = glmModel$family, data = quote(glmModel$data), weights = weightsTest))
 summary(glmTest)
 }

通常，do.call函数有助于摆脱环境问题。

  

我正在实施自己的交叉验证。以上示例非常简洁，以说明问题，并尝试重做完全相同的glm分析。感谢您的参与（已经回答）。

感谢。但正如弗里克先生所说，我也认为update()是一个方便的设施。 cv.glm()包中的boot函数只是用它来进行交叉验证。