論點`predict.lm`功能

Question

的predict.lm函數的頭部是

predict.lm <- function (object, newdata, se.fit = FALSE, scale = NULL, df = Inf, 
         interval = c("none", "confidence", "prediction"), level = 0.95, 
         type = c("response", "terms"), terms = NULL, na.action = na.pass, 
         pred.var = res.var/weights, weights = 1, ...) 

我有一些無法理解的說法pred.var = res.var/weights如何進行評估。

我知道它代表了殘差的方差，但它作爲一個變量傳遞給一個字符串，在那裏它可以被讀取和翻譯。

這個函數的幫助對這個問題沒有明確的說法，我認爲這可能與R的實際工作方式有關，而與這個特定函數沒有多大關係。

一些如何，參數pred.var將默認爲殘差的方差 - sd(fit$residuals)^2 - 但我看不出如何。

Answer 1

您在這裏看到的是R對函數參數的懶惰評估機制。看一個簡單的例子：

lazy_arg <- function(x, y = z) { 
    z <- sum(x * x) 
    x/y 
} 
lazy_arg(1:5, y = 10) 
#[1] 0.1 0.2 0.3 0.4 0.5 
lazy_arg(1:5) 
#[1] 0.01818182 0.03636364 0.05454545 0.07272727 0.09090909 

第二個調用顯然不會在調用發生後立即評估參數的語言中工作。相反，R僅保留「配方」y = z並僅在實際使用y時對其進行評估。當然，當我寫這樣的功能我必須確保我之前使用yz正確定義，否則我提供了一個很好的機會，拍自己的腿：

bad_arg <- function(x, y = z) { 
    if (runif(1) > 0.5) z <- 1 
    x/y 
} 

set.seed(112) 
z <- 1e5 
bad_arg(1:5) 
#[1] 1e-05 2e-05 3e-05 4e-05 5e-05 
bad_arg(1:5) 
#[1] 1 2 3 4 5 

如果你想知道爲什麼會發生，這就是R的variable lookup的工作原理（簡而言之，這是與頂級環境的無意衝突）。所以靈活性在這裏是有代價的。

但是，在predict.lm的情況下，這是非常方便的，因爲它在現場提供了合理的默認值，實際上它計算得更晚並且取決於其他參數。

更多細節和可能性看哈德利韋翰的「高級R」「懶惰評估」小節：http://adv-r.had.co.nz/Functions.html