如何用model.matrix更简便地手动计算2×2回归分组估计均值？

方法1：利用predict()函数自动生成 #

这是最通用且简洁的方式，不管是交叉设计还是嵌套设计，只要生成所有分组组合的新数据框，就能直接得到估计均值：

# 拟合模型（可根据需求调整公式，比如主效应/交互项）
fit <- lm(score ~ region * sex, data = d)

# 生成所有因子水平的组合数据框
new_data <- expand.grid(region = levels(d$region), sex = levels(d$sex))

# 计算各分组的估计均值
new_data$estimated_mean <- predict(fit, newdata = new_data)
print(new_data)

方法2：矩阵乘法手动计算（适配自定义编码） #

如果需要基于底层模型矩阵逻辑计算，可通过设计矩阵与回归系数的乘积得到结果：

# 拟合模型
fit <- lm(score ~ region * sex, data = d)

# 生成所有分组的设计矩阵
new_data <- expand.grid(region = levels(d$region), sex = levels(d$sex))
X <- model.matrix(formula(fit), data = new_data)

# 矩阵乘法计算估计均值
estimated_means <- X %*% coef(fit)
# 合并结果
cbind(new_data, estimated_mean = as.vector(estimated_means))

优势说明 #

• 无需手动拆解系数和对比值，自动适配任意因子水平组合（从简单2×2到多因子复杂设计都适用）
• predict()方法还支持添加置信区间（通过interval="confidence"参数），满足统计推断需求
• 矩阵乘法方法保留底层计算逻辑，适合需要自定义编码规则或扩展到复杂模型的场景

内容的提问来源于stack exchange，提问作者llewmills