R中lm函数使用矩阵自变量时预测的警告问题求解

原代码与警告信息 #

运行以下R代码：

set.seed(1)
y <- rnorm(6)
x <- matrix(rnorm(12),6,2)
my.lm <- lm(y~x)
predict(my.lm, newdata=data.frame(x1=4,x2=0))

出现警告：

Warning message: 'newdata' had 1 row but variables found have 6 rows

问题核心 #

虽然查看my.lm时显示变量为x1和x2，但实际建模时lm将整个矩阵x视为单一变量，而非拆分后的独立列。直接传入x1、x2会因变量结构不匹配触发警告。以下是无需将矩阵转为数据框的解决方法：

解决方法 #

方法一：构造包含同名矩阵的newdata #

在newdata中传入与原模型变量名一致的矩阵（用I()避免矩阵被拆分为多列）：

# 构造符合要求的newdata
new_data <- data.frame(x = I(matrix(c(4, 0), nrow=1)))
# 执行预测
predict(my.lm, newdata = new_data)

方法二：直接使用newx参数 #

针对矩阵自变量的场景，predict.lm支持直接用newx参数传入同维度的预测矩阵，无需构造data.frame：

# 直接传入预测矩阵
predict(my.lm, newx = matrix(c(4, 0), nrow=1))

验证说明 #

查看模型公式可确认变量结构：

formula(my.lm)
# 返回 y ~ x，说明模型自变量是整个矩阵x，而非单独的x1、x2

内容的提问来源于stack exchange，提问作者fe2084