R语言两种线性回归写法截距系数不一致是否为Bug？

这不是R的错误，问题出在变量类型的差异上：

核心原因 #

第一个模型中，bath是因子（分类）变量，lm()会自动将其处理为虚拟变量，模型的截距对应bath取参考水平（比如你输出里的bath1对应的水平）时的预测值；而第二个模型中，你直接提取rent99$bath作为自变量，R会把因子转换成它的整数编码（比如1、2这类数值），将其当作连续变量处理，此时截距对应bath取0时的预测值（这个值在你的数据集里大概率不存在），因此两个模型的截距出现差异。

从你的输出也能验证这一点：第一个模型的截距（144.149）正好等于第二个模型的截距（43.488）加上X[,2]的系数（100.661），也就是43.488 + 100.661 ≈ 144.149——这对应第一个模型中bath取参考水平（整数编码为1）时的预测值。

验证变量类型 #

你可以运行以下代码确认bath的类型：

class(rent99$bath)

如果输出是factor，就完全符合上述解释。

修正方法 #

如果想让两个模型结果一致，有两种选择：

• 把第二个模型中的X[,2]转换成因子：

  model2 <- lm(rent99$rent ~ X[, 1] + factor(X[, 2]))
  coef(model2)
  

• 或者把第一个模型中的bath转换成连续变量：

  model1 <- lm(rent ~ area + as.numeric(bath), data = rent99)
  coef(model1)
  

内容的提问来源于stack exchange，提问作者Martin Dallinger