我posted earlier today关于使用predict函数得到的错误。我能够纠正错误，并认为我走在了正确的道路上。
我有一些观察（实际），我有一些我想要推断或预测的数据点。我使用lm创建模型，然后我尝试使用predict作为预测输入的实际值。
这个代码都是从我之前的帖子中重复出来的，但这里是：
df <- read.table(text = '
Quarter Coupon Total
1 "Dec 06" 25027.072 132450574
2 "Dec 07" 76386.820 194154767
3 "Dec 08" 79622.147 221571135
4 "Dec 09" 74114.416 205880072
5 "Dec 10" 70993.058 188666980
6 "Jun 06" 12048.162 139137919
7 "Jun 07" 46889.369 165276325
8 "Jun 08" 84732.537 207074374
9 "Jun 09" 83240.084 221945162
10 "Jun 10" 81970.143 236954249
11 "Mar 06" 3451.248 116811392
12 "Mar 07" 34201.197 155190418
13 "Mar 08" 73232.900 212492488
14 "Mar 09" 70644.948 203663201
15 "Mar 10" 72314.945 203427892
16 "Mar 11" 88708.663 214061240
17 "Sep 06" 15027.252 121285335
18 "Sep 07" 60228.793 195428991
19 "Sep 08" 85507.062 257651399
20 "Sep 09" 77763.365 215048147
21 "Sep 10" 62259.691 168862119', header=TRUE)
str(df)
'data.frame': 21 obs. of 3 variables:
$ Quarter : Factor w/ 24 levels "Dec 06","Dec 07",..: 1 2 3 4 5 7 8 9 10 11 ...
$ Coupon: num 25027 76387 79622 74114 70993 ...
$ Total: num 132450574 194154767 221571135 205880072 188666980 ...
码：
model <- lm(df$Total ~ df$Coupon, data=df)
> model
Call:
lm(formula = df$Total ~ df$Coupon)
Coefficients:
(Intercept) df$Coupon
107286259 1349
预测代码（基于以前的帮助）：
（这些是我想用来获得预测值的预测值）
Quarter = c("Jun 11", "Sep 11", "Dec 11")
Total = c(79037022, 83100656, 104299800)
Coupon = data.frame(Quarter, Total)
Coupon$estimate <- predict(model, newdate = Coupon$Total)
现在，当我运行它时，我收到此错误消息：
Error in `$<-.data.frame`(`*tmp*`, "estimate", value = c(60980.3823396919, :
replacement has 21 rows, data has 3
我用来构建模型的原始数据框中有21个观察结果。我现在正在尝试根据模型预测3个值。
我要么没有真正理解这个功能，要么在我的代码中有错误。
帮助将不胜感激。
谢谢
首先，你要使用
model <- lm(Total ~ Coupon, data=df)
不是model <-lm(df$Total ~ df$Coupon, data=df)。
其次，通过说lm(Total ~ Coupon)，你拟合一个使用Total作为响应变量的模型，以Coupon作为预测器。也就是说，你的模型的形式是Total = a + b*Coupon，a和b是要估计的系数。请注意，响应位于~的左侧，而预测器位于右侧。
因此，当您要求R为模型提供预测值时，您必须提供一组新的预测值，即Coupon的新值，而不是Total。
第三，根据你对newdata的规范来判断，看起来你实际上是在一个模型之后将Coupon作为Total的函数，而不是相反。去做这个：
model <- lm(Coupon ~ Total, data=df)
new.df <- data.frame(Total=c(79037022, 83100656, 104299800))
predict(model, new.df)
谢谢洪，这正是我遇到的问题。您得到的错误表明行数是错误的，但问题实际上是模型已经使用最终错误的参数名称的命令进行了训练。
对于lm来说，这确实是一个非常明显的关键细节，依此类推。一些教程引用了像lm(olive$Area@olive$Palmitic)这样的行 - 以橄榄$ Area NOT Area的变量名结尾，因此无法使用anewdata<-data.frame(Palmitic=2)创建条目。如果你使用lm(Area@Palmitic,data=olive)，那么变量名称是正确的，预测是有效的。
真正的问题是错误消息根本不表示问题：
警告消息：'anewdata'有1行，但发现有X行的变量
而不是newdata你在预测代码中使用newdate，验证一次。并使用Coupon$estimate <- predict(model, Coupon)它会工作。
为避免错误，关于新数据集的一个重点是自变量的名称。它必须与模型中报告的相同。另一种方法是在不创建新数据集的情况下嵌套两个函数
model <- lm(Coupon ~ Total, data=df)
predict(model, data.frame(Total=c(79037022, 83100656, 104299800)))
注意模型。接下来的两个命令是相似的，但对于预测功能，第一个工作第二个不起作用。
model <- lm(Coupon ~ Total, data=df) #Ok
model <- lm(df$Coupon ~ df$Total) #Ko