在R中如何仅通过已保存的线性模型系数重构模型并实现预测？

我拥有一些数据，在其上训练了带有交互项的线性模型，并将模型系数保存下来以便其他非R程序使用。数周后，我希望仅通过这些保存的系数重构该模型并进行预测。

我尝试了如下步骤：

1. 创建模型：

df <- data.frame(x=1:5, y=c(1,6,8,11,9), z=c(1,2,5,10,3))
lmod <- lm(z~x+y+I(x^2), df)
predict(lmod, newdata = df)
co <- coefficients(lmod)
co

此步骤得到预测值-0.05 4.45 3.95 8.95 3.70，系数为：

(Intercept)           x           y      I(x^2) 
     8.8250    -12.9375      2.6250      1.4375

随后我将co保存至文本文件中。

2. 读取系数并尝试重构模型：

fm <- formula(paste("z ~", paste(setdiff(names(co), "(Intercept)"), collapse = " + ")))
model <- lm(formula = fm, data = NULL)
model$coefficients <- co
predict(model, newdata = df)

但该方法无法得到有效结果，请问可行的实现方法是什么？

之前的方法失效是因为直接修改lm对象的系数后，模型的terms等关键结构没有正确匹配，predict函数需要依赖这些结构处理新数据的特征转换（比如I(x^2)这类变换）。下面提供两种可靠的解决方法：

方法一：手动计算预测值 #

既然已经明确系数和线性回归的计算逻辑，直接按公式计算预测值，无需依赖lm对象的predict方法：

# 从文本文件加载系数（此处模拟加载后的结果）
co <- c(`(Intercept)`=8.8250, x=-12.9375, y=2.6250, `I(x^2)`=1.4375)

# 构造包含截距项的特征矩阵
X <- cbind(1, df$x, df$y, df$x^2)
# 矩阵乘法计算预测值
preds <- as.vector(X %*% co)
preds

运行后会得到和原模型完全一致的结果：-0.05 4.45 3.95 8.95 3.70

方法二：构建合法模型框架使用predict函数 #

如果一定要用predict方法，需要确保模型保留正确的特征处理逻辑。可以通过空数据集创建模型框架，再替换系数：

# 使用训练时的原公式
fm <- formula(z ~ x + y + I(x^2))
# 用空数据集创建模型，保留正确的terms结构
empty_model <- lm(fm, data = df[0, ])
# 替换为保存的系数
empty_model$coefficients <- co
# 正常调用predict
predict(empty_model, newdata = df)

此方法的核心是借助空数据集生成完整的模型结构，确保predict能正确识别并处理I(x^2)这类特征变换，最终输出正确的预测结果。

内容的提问来源于stack exchange，提问作者Noskario