Question

我正在写一个R包，其中main函数采用模型，该模型可能只有一个因子协变量（允许偏移）。为确保用户符合此规则，我需要检查此项。

举个例子，让我们来看看以下四个模型：

set.seed(123)
n <- 10 

## data
data <- data.frame(y = rnorm(n), 
  trt = rep(c(0, 1), each = n/2),
  x = 1:n)
datan <- data
datan$trt <- as.factor(datan$trt)

## models
mod1 <- lm(y ~ factor(trt), data = data)
mod2 <- lm(y ~ offset(x) + as.factor(trt), data = data)
mod3 <- lm(y ~ trt, data = datan)
mod4 <- glm(y ~ trt + offset(x), data = data)
mod5 <- lm(y ~ x + as.factor(trt), data = data)

模型 1,2和3可以，模型 4和5不正常（模型4有一个非因子变量trt，模型5有第二个协变量x）。

如何使用R检查？最理想的是，我可以获得一个TRUE表示正常的模型，并FALSE表示有问题的模型。

这不仅适用于lm()和glm()，还适用于survreg()和coxph()（来自套餐生存）。可能有用的东西是查看公式eval(getCall(mod1)$formula)和数据（data / datan）。

Answer 1

如@LAP之前的回复所示，您可以使用这些模型中的terms()。不过，我建议您查看attr(..., "factors")和attr(..., "dataClasses")，而不是转到要求整个$model存储在模型中的model.frame()。这可能是也可能不是。具体来说，当重新拟合多个模型时，您可能希望每次都不能存储模型框架。

因此，一个想法是继续以下步骤：

检查attr(..., "factors")是否只有一列，您可以返回FALSE。
如果只有一个因素，您可以查看相应的attr(..., "dataClasses") "factor" / "ordered"，然后返回TRUE，否则FALSE。

R代码：

one_factor <- function(object) {
  f <- attr(terms(object), "factors")
  if(length(f) == 0L || NCOL(f) != 1L) return(FALSE)
  d <- attr(terms(object), "dataClasses")
  if(d[colnames(f)] %in% c("ordered", "factor")) {
    return(TRUE)
  } else {
    return(FALSE)
  }
}

这似乎适用于基于formula的单部分对象。

使用数字/因子/有序trt的虚拟数据：

d1 <- d2 <- d3 <- data.frame(y = log(1:9), x = 1:9, trt = rep(1:3, each = 3)) 
d2$trt <- factor(d2$trt)
d3$trt <- ordered(d3$trt)

各种配方规格：

f <- list(
  y ~ 1,
  y ~ x,
  y ~ trt,
  y ~ trt + x,
  y ~ trt + offset(x),
  y ~ trt + x + offset(x),
  y ~ trt + offset(as.numeric(trt)),
  y ~ factor(trt),
  y ~ factor(trt) + offset(x),
  y ~ factor(x > as.numeric(trt)),
  y ~ interaction(x, trt),
  y ~ 0 + trt
)

d1，d2和d3的预期结果：

ok1 <- c(FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, TRUE, TRUE, TRUE, TRUE, FALSE)
ok2 <- c(FALSE, FALSE, TRUE,  FALSE, TRUE,  FALSE, TRUE,  TRUE, TRUE, TRUE, TRUE, TRUE)
ok3 <- ok2

检查lm而不存储模型框架：

lm1 <- lapply(f, lm, data = d1, model = FALSE)
identical(sapply(lm1, one_factor), ok1)
## [1] TRUE
lm2 <- lapply(f, lm, data = d2, model = FALSE)
identical(sapply(lm2, one_factor), ok2)
## [1] TRUE
lm3 <- lapply(f, lm, data = d3, model = FALSE)
identical(sapply(lm3, one_factor), ok3)
## [1] TRUE

检查survreg（高斯）和coxph。（后者抛出了很多关于非收敛的警告，鉴于伪数据结构，这并不奇怪。检查仍然按预期工作。）

library("survival")
d1$y <- d2$y <- d3$y <- Surv(d1$y + 0.5)

sr1 <- lapply(f, survreg, data = d1)
identical(sapply(sr1, one_factor), ok1)
## [1] TRUE
sr2 <- lapply(f, survreg, data = d2)
identical(sapply(sr2, one_factor), ok2)
## [1] TRUE
sr3 <- lapply(f, survreg, data = d3)
identical(sapply(sr3, one_factor), ok3)
## [1] TRUE

cph1 <- lapply(f, coxph, data = d1)
identical(sapply(cph1, one_factor), ok1)
## [1] TRUE
cph2 <- lapply(f, coxph, data = d2)
identical(sapply(cph2, one_factor), ok2)
## [1] TRUE
cph3 <- lapply(f, coxph, data = d3)
identical(sapply(cph3, one_factor), ok3)
## [1] TRUE

注意：如果您有基于Formula的多部分对象，则此功能可能会失败，并且需要调整基础测试。后者的示例可以包括计数回归模型（zeroinfl，hurdle），多项logit（mlogit），工具变量（ivreg），异方差模型（{{1} }，vglm，betareg）等。这些公式可能包含crch或y ~ trt | 1或y ~ trt | trt等公式，这些公式在您的框架中可能仍然可行或不可行。

Answer 2

这需要更多测试，但它适用于您的示例：

FOO <- function(x){
  vars <- labels(terms(x))
  test <- sapply(x$model[vars], class)
  all(test == "factor", length(test) == 1)
}

我们首先使用labels(terms())提取模型的协变量，这有利于忽略偏移，然后得到类的向量并测试两个条件（1.变量是一个因子，2。它只有一个变量）是真的。

> sapply(list(mod1, mod2, mod3, mod4, mod5), FOO)
[1]  TRUE  TRUE  TRUE FALSE FALSE

检查该模型只有一个因子协变量

2 个答案: