要编写自己的R函数进行模型分析，可以按照以下步骤进行：

1. 确定函数的功能和输入参数：首先确定函数的目标和所需的输入参数。例如，函数的目标可能是计算模型的预测准确度，并且可能需要输入模型对象和测试数据作为参数。

2. 创建函数框架：使用R语言的函数定义语法创建一个函数框架。以下是一个示例函数框架：

my_model_analysis <- function(model, test_data) {
  # Function code goes here
}

3. 编写函数的主体代码：在函数框架中编写实际的函数代码。根据函数的功能和输入参数，编写代码来执行所需的分析操作。以下是一个示例函数，计算线性回归模型的预测准确度：

my_model_analysis <- function(model, test_data) {
  # 提取测试数据的自变量列
  x <- test_data[, -1]
  
  # 提取测试数据的因变量列
  y <- test_data[, 1]
  
  # 使用模型进行预测
  predictions <- predict(model, newdata = x)
  
  # 计算预测准确度（这里使用平均绝对误差）
  accuracy <- mean(abs(predictions - y))
  
  # 返回预测准确度
  return(accuracy)
}

4. 调用函数进行模型分析：使用函数来分析模型。首先，根据需要加载数据和创建模型。然后，调用函数并传递模型和测试数据作为参数。以下是一个示例调用：

# 加载数据
data <- read.csv("data.csv")

# 创建模型
model <- lm(y ~ x1 + x2, data = data)

# 调用函数进行模型分析
result <- my_model_analysis(model, test_data)

这就是一个基本的编写自己的R函数进行模型分析的解决方法。根据具体的需求，可以根据需要扩展和修改函数的代码。