诊断
从错误消息中：
2 survfit(mod_init, newdata = base_case)
1 my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)
问题显然不是coxph在模型拟合期间，而是在survfit.
从这条消息中：
10 eval(predvars, data, env)
9 model.frame.default(formula = Surv(start, stop, event) ~ rx +
number, data = data)
我可以说问题是在早期阶段survfit，该函数model.frame.default()找不到包含公式中使用的相关数据的模型框架Surv(start, stop, event) ~ rx + number。因此它抱怨。
什么是模型框架？
模型框架由data传递给拟合例程的参数形成，lm()例如glm()和mgcv:::gam()。它是一个与 具有相同行数的数据框data，但是：
- 删除所有未引用的变量
formula
- 添加许多属性，其中最重要的是
envrionement
大多数模型拟合例程，如lm()、glm()和mgcv:::gam()，默认情况下会将模型框架保留在其拟合对象中。这样做的好处是，如果我们稍后调用predict，并且没有newdata提供，它将从这个模型框架中找到数据进行评估。但是，一个明显的缺点是它会大大增加您的拟合对象的大小。
不过，survival:::coxph()是个例外。默认情况下，它不会在其拟合对象中保留此类模型框架。好吧，很明显，这使得生成的拟合对象的尺寸要小得多，但是会让您遇到遇到的问题。如果我们想要求survival:::coxph()保留这个模型框架，那么使用model = TRUE这个函数。
测试survial:::coxph()
library(survival); data(bladder)
my_function <- function(myformula, mydata, keep.mf = TRUE) {
fit <- coxph(myformula, mydata, method = "breslow", model = keep.mf)
survfit(fit)
}
现在，这个函数调用将失败，如您所见：
my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = FALSE)
但是这个函数调用会成功：
my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = TRUE)
相同的行为lm()
我们实际上可以在中演示相同的行为lm()：
## generate some toy data
foo <- data.frame(x = seq(0, 1, length = 20), y = seq(0, 1, length = 20) + rnorm(20, 0, 0.15))
## a wrapper function
bar <- function(myformula, mydata, keep.mf = TRUE) {
fit <- lm(myformula, mydata, model = keep.mf)
predict.lm(fit)
}
现在这将成功，通过保持模型框架：
bar(y ~ x - 1, foo, keep.mf = TRUE)
虽然这将失败，但通过丢弃模型框架：
bar(y ~ x - 1, foo, keep.mf = FALSE)
使用论据newdata？
请注意，我的 for 示例lm()有点人为，因为我们实际上可以使用newdata参数 inpredict.lm()来解决这个问题：
bar1 <- function(myformula, mydata, keep.mf = TRUE) {
fit <- lm(myformula, mydata, model = keep.mf)
predict.lm(fit, newdata = lapply(mydata, mean))
}
现在无论我们是否保留模型框架，都将成功：
bar1(y ~ x - 1, foo, keep.mf = TRUE)
bar1(y ~ x - 1, foo, keep.mf = FALSE)
然后你可能想知道：我们可以为 做同样的事情survfit()吗？
survfit()是一个通用函数，在你的代码中，你真的在调用survfit.coxph(). 这个函数确实有一个newdata论据。文档内容如下：
新数据：
具有与“coxph”公式中出现的变量名称相同的变量名称的数据框。... ... 默认值是“coxph”拟合中使用的协变量的平均值。
所以，让我们试试：
my_function1 <- function(myformula, mydata) {
mtrace.off()
fit <- coxph(myformula, mydata, method = "breslow")
survival:::survfit.coxph(fit, newdata = lapply(mydata, mean))
}
我们希望这项工作：
my_function1(Surv(start, stop, event) ~ rx + number, bladder2)
但：
Error in is.data.frame(data) (from #5) : object 'mydata' not found
1: my_function1(Surv(start, stop, event) ~ rx + number, bladder2)
2: #5: survival:::survfit.coxph(fit, lapply(mydata, mean))
3: stats::model.frame(object)
4: model.frame.coxph(object)
5: eval(temp, environment(formula$terms), parent.frame())
6: eval(expr, envir, enclos)
7: stats::model.frame(formula = Surv(start, stop, event) ~ rx + number, data =
8: model.frame.default(formula = Surv(start, stop, event) ~ rx + number, data
9: is.data.frame(data)
请注意，虽然我们传入了newdata，但它并没有用于模型框架的构建：
3: stats::model.frame(object)
只有object，一个拟合模型的副本，被传递给model.frame.default()。
predict.lm()这与,predict.glm()和中发生的情况非常不同mgcv:::predict.gam()。在这些例程中，newdata传递给model.frame.default(). 例如，在 中lm()，有：
m <- model.frame(Terms, newdata, na.action = na.action, xlev = object$xlevels)
我不使用survival包，所以不确定newdata这个包是如何工作的。所以我认为我们真的需要一些专家来解释这一点。