使用以编程方式构造的公式有什么陷阱吗？

我想要遍历一个潜在解释变量的长向量， 依次对每个变量回归响应变量。而不是粘贴在一起 模型公式，我正在考虑使用reformulate(), 如此处所示.

功能fun()下面似乎可以完成工作，拟合所需的模型。但请注意， 它在其调用元素中记录name构造的公式对象的 而不是它的value.

## (1) Function using programmatically constructed formula
fun <- function(XX) {
    ff <- reformulate(response="mpg", termlabels=XX)
    lm(ff, data=mtcars)
}
fun(XX=c("cyl", "disp"))
# 
# Call:
# lm(formula = ff, data = mtcars)                 <<<--- Note recorded call
# 
# Coefficients:
# (Intercept)          cyl         disp  
#    34.66099     -1.58728     -0.02058  

## (2) Result of directly specified formula (just for purposes of comparison)
lm(mpg ~ cyl + disp, data=mtcars)
# 
# Call:
# lm(formula = mpg ~ cyl + disp, data = mtcars)   <<<--- Note recorded call
# 
# Coefficients:
# (Intercept)          cyl         disp  
#    34.66099     -1.58728     -0.02058  

我的问题：这有什么危险吗？这能成为一个 例如，如果我想稍后申请，就会出现问题update, or predict或者 模型拟合对象的一些其他功能（可能来自其他环境）？

一个稍微尴尬的替代方案，不过，确实得到了记录 调用权是使用eval(substitute())。这是否是一种总体上更安全的结构？

fun2 <- function(XX) {
    ff <- reformulate(response="mpg", termlabels=XX)
    eval(substitute(lm(FF, data=mtcars), list(FF=ff)))
}
fun2(XX=c("cyl", "disp"))$call
## lm(formula = mpg ~ cyl + disp, data = mtcars)

我总是犹豫是否要承认有no涉及 R 环境和范围界定的某些情况可能会产生影响，但是......经过更多探索后，我上面的第一次使用看起来确实安全.

事实证明，打印出来的电话有点转移注意力。

公式为actually被其他函数使用（以及由formula() and as.formula()) 是存储在terms适合对象的元素，以及it得到正确的实际公式。 （这terms元素包含类的对象"terms"，这只是一个"formula"带有一堆附加属性。）

看到我的问题中的所有提案和相关评论都存储相同的"formula"对象（取决于关联的环境），运行以下命令。

## First the three approaches in my post
formula(fun(XX=c("cyl", "disp")))
# mpg ~ cyl + disp
# <environment: 0x026d2b7c>

formula(lm(mpg ~ cyl + disp, data=mtcars))
# mpg ~ cyl + disp

formula(fun2(XX=c("cyl", "disp"))$call)
# mpg ~ cyl + disp
# <environment: 0x02c4ce2c>

## Then Gabor Grothendieck's idea
XX = c("cyl", "disp")
ff <- reformulate(response="mpg", termlabels=XX)
formula(do.call("lm", list(ff, quote(mtcars))))  
## mpg ~ cyl + disp

为了确认formula()实际上是从terms适合对象的元素，看看stats:::formula.lm and stats:::formula.terms.