R语言nls双变量模型使用predFit计算预测区间报错问题

问题场景 #

使用nls拟合含Day、Treatment两个解释变量的非线性回归模型，单独获取预测值时predict()和predFit()都正常，但添加interval="prediction"参数计算预测区间时，触发object 'Day' not found错误，仅保留Day单变量的简化模型则无此问题。

数据集与模型代码 #

DS <- data.frame(Day=rep(1:5,t=2),
                 Amount=c(65,17,11,3.5,1.2,85,23,15,5,1.7),
                 Treatment=rep(c(0,1),e=5))

Model <- nls(Amount ~ (a+b*Treatment) * exp((c+d*Treatment)*Day) + e,
  data=DS, start = list(a=10,b=10,c=-0.1,d=-0.1,e=0.1))

正常输出预测值 #

# predict()输出结果
predict(Model)
# [1] 64.814965 18.614433  7.150980  4.306624  3.600871 84.626103 25.804353  9.562934  5.078476  3.840261

# predFit()无区间参数时输出结果
predFit(Model)
# [1] 64.814965 18.614433  7.150980  4.306624  3.600871 84.626103 25.804353  9.562934  5.078476  3.840261

计算预测区间时的错误 #

执行以下代码：

predFit(Model,interval="prediction",level=0.95)

触发错误：

Error in eval(form[[3]]) : object 'Day' not found
In addition: Warning message:
In assign(xname, newdata[, xname]) :
only the first element is used as variable name

解决方法 #

问题源于predFit()处理含多变量交互的nls模型时，自动生成预测数据的逻辑存在缺陷，需显式指定newdata参数，即使要复用原数据集也必须传入。

修正后的代码：

library(investr)
predFit(Model, interval="prediction", level=0.95, newdata=DS)

原理说明 #

当模型公式包含变量的乘积或嵌套交互（如Treatment与Day的组合项），predFit()无法自动从模型对象中正确提取所有变量的完整数据。显式传入newdata可以明确告知函数要使用的数据集，避免变量解析时的丢失问题。

内容的提问来源于stack exchange，提问作者eee ppp