Question

我对下面的代码有疑问，我正在努力理解：

x = rnorm(50)
y  = 3 * x +rnorm(50)

df_eq  <- data.frame(x, y)

model1  <- lm(y ~ x - 1)
model2  <- lm(df_eq[,2] ~ df_eq[,1] - 1)

xpred <- data.frame(x = seq(from = -2, to = 2, length = 5))

ypred <- predict(object = model1, newdata = xpred)
ypred2 <- predict(object = model2, newdata = xpred)

在上面的代码中，我期望ypred和ypred2都能产生相同的结果。我得到了ypred的预期答案（5个预测的“yhat”值），但是ypred2有错误，并且没有产生预期的结果。

任何人都可以解释为什么，在下面的代码中，ypred2产生错误（至少在R 2.15.2中）？

我认为代码中唯一的关键区别来自于“model1”和“model2”的生成方式。

我的理解是，在预测函数中，newdata生成一组新的观察结果，我们希望根据存储在model1和model2对象中的模型预测“yhat”值。

的根本不同之处

model1＆lt; - lm（y~x - 1）

和

model2＆lt; - lm（df_eq [，2] ~df_eq [，1] - 1）？

更重要的是，如果答案很简单，有人可以解释他们是如何找出R的“引擎盖下”的差异吗？很高兴知道将来如何理解这类问题。我已经尝试在上面的代码中查看对象的结构，但我没有接近答案。

提前谢谢。

Answer 1

从R的角度来看，你手predict.lm对象model2。它说，＆＃34;好的，我在这里有lm个对象。什么是变量名？＆＃34;

> formula(model2)
df_eq[, 2] ~ df_eq[, 1] - 1

确定。响应变量称为 df_eq[, 2]，预测变量称为 df_eq[, 1]。现在，R认为：＆＃34;我应该在xpred＆＃34;中找到那些变量（或至少是预测变量）。

Hmmmm。那个名字里面没有任何东西。

我相信，在尝试构建合适的模型框架时，model.frame.default会抛出实际警告，并且在此过程中会回退到用于拟合模型的原始数据值。

通常（lm或其他）拟合模型的正确习惯用语如下：

lm(y ~ x, data = df_eq)

不要依赖R在您的全球环境中获取对象的名称。使用relavent列指定数据框，并在公式中使用使用那些列名！

为什么R在lm.predict函数中表现奇怪，在下面的代码中？

1 个答案: