尽管常规代码有效，但在自定义函数中包装 nnet::multinom() + ggeffects::ggemmeans() 失败：“符号”类型的对象不可子集

问题描述

我想用 nnet::multinom() 拟合多项式模型并用 ggeffects::ggemmeans() 进行预测。虽然这样的过程在常规代码中工作，但我未能将其包装在函数中。

示例

数据

library(dplyr)

my_mtcars <- 
  mtcars %>%
  mutate(across(c(vs,carb),as.factor)) %>%
  as_tibble()

拟合和预测的工作方式如下

library(nnet) # 7.3-15
library(emmeans) # 1.5.4
library(ggeffects) # 1.0.2

m <- multinom(carb ~ vs,data = my_mtcars)
ggemmeans(model = m,terms = "vs")

## # Predicted probabilities of carb
## # x = vs

## # Response Level = 1

## x | Predicted |       95% CI
## ----------------------------
## 0 |      0.00 | [0.00,0.00]
## 1 |      0.50 | [0.43,0.57]

## # Response Level = 2

## x | Predicted |       95% CI
## ----------------------------
## 0 |      0.28 | [0.24,0.32]
## 1 |      0.36 | [0.30,0.42]

## # Response Level = 3

## x | Predicted |       95% CI
## ----------------------------
## 0 |      0.17 | [0.14,0.19]
## 1 |      0.00 | [0.00,0.00]

## # Response Level = 4

## x | Predicted |       95% CI
## ----------------------------
## 0 |      0.44 | [0.39,0.50]
## 1 |      0.14 | [0.12,0.17]

## # Response Level = 6

## x | Predicted |       95% CI
## ----------------------------
## 0 |      0.06 | [0.05,0.06]
## 1 |      0.00 | [0.00,0.00]

## # Response Level = 8

## x | Predicted |       95% CI
## ----------------------------
## 0 |      0.06 | [0.05,0.00]

但是当我尝试将此过程包装在自定义函数中时它失败了

my_multinom <- function(dat,dv,expl) {
  
  frmla <- as.formula(paste0(dv,"~",expl))
  
  model_fit <- nnet::multinom(frmla,data = dat)
  ggemmeans(model = model_fit,terms = expl)
}

my_multinom(dat = my_mtcars,dv = "carb",expl = "vs")

object$call$formula[[2]] 中的错误：
“符号”类型的对象不可子集

值得注意的是，问题似乎在于 multinom() 和 ggemmeans() 之间的交互。如果我们从 ggemmeans() 中省略 my_multinom() 那么它似乎可以正常工作：

my_multinom_no_ggemmeans <- function(dat,expl))
  model_fit <- nnet::multinom(frmla,data = dat)
  model_fit
}

my_multinom_no_ggemmeans(dat = my_mtcars,expl = "vs")

## # weights:  18 (10 variable)
## initial  value 57.336303 
## iter  10 value 38.192450
## iter  20 value 37.940409
## final  value 37.940164 
## converged
## Call:
## nnet::multinom(formula = frmla,data = dat)

## Coefficients:
##   (Intercept)       vs1
## 2    13.44961 -13.78607
## 3    12.93879 -33.99280
## 4    13.91961 -15.17237
## 6    11.84015 -23.96194
## 8    11.84015 -23.96194

## Residual Deviance: 75.88033 
## AIC: 95.88033 

知道为什么 my_multinom() 包装器失败吗？

---

更新

---

我可能已经找到了解决方案，但我不明白为什么它有效。基于 this github issue（不同的包），我调整了以下解决方案：

my_multinom_with_do.call <- function(dat,expl) {

  frmla <- as.formula(paste0(dv,expl))

  model_fit <- do.call(multinom,args = list(formula = frmla,data = dat))
  ggemmeans(model = model_fit,terms = expl)
}

它有效：

my_multinom_with_do.call(dat = my_mtcars,expl = "vs")

但为什么这有效而我原来的 my_multinom() 没有？

解决方法

由于懒惰的评估，它不起作用。 call 的 model_fit 成员有 formula = frmla，未计算。对该模型的 emmeans 支持需要一个公式。如果您在原始函数中添加一行，它将起作用：

my_multinom <- function(dat,dv,expl) {
    
    frmla <- as.formula(paste0(dv,"~",expl))
    
    model_fit <- nnet::multinom(frmla,data = dat)
    model_fit$call$formula <- frmla
    ggemmeans(model = model_fit,terms = expl)
}

do.call 方法有效的原因是 frmla 在您创建传递给 do.call 的列表时被评估。