为何R中两种二次多项式回归模型的系数结果不同？

这两种写法的核心差异在于poly()函数的默认行为——它生成的是正交多项式，而非你预期的原始幂次项，具体拆解如下：

1. 本质区别 #

• I(speed^2)：直接计算speed的原始二次项，和一次项speed高度相关，模型系数是基于原始变量的回归结果，解释起来更直观（对应变量的边际效应）。
• poly(speed, degree = 2)：默认生成正交化的一次、二次项，这些项经过处理后互相独立（协方差为0），目的是避免高阶多项式的多重共线性问题，但系数含义和原始幂次项完全不同，所以看起来结果差异很大。

2. 验证预测能力一致 #

虽然系数不同，但两个模型的拟合能力、预测结果完全一致，你可以用代码验证：

data(cars)

# 原始幂次项模型
model1 <- lm(dist ~ speed + I(speed^2), data = cars)
# 默认正交多项式模型
model2 <- lm(dist ~ poly(speed, degree = 2), data = cars)

# 对比预测值
pred1 <- predict(model1, cars)
pred2 <- predict(model2, cars)
all.equal(pred1, pred2) # 输出TRUE，说明预测结果完全相同

3. 让poly()生成原始幂次项 #

如果想让poly()和I(speed^2)得到完全一致的系数，只需添加raw = TRUE参数，强制生成原始幂次项：

model3 <- lm(dist ~ poly(speed, degree = 2, raw = TRUE), data = cars)
summary(model3) # 此时系数和model1完全一致

4. 两种方式的适用场景 #

• 正交多项式（poly默认）：适合高阶多项式（比如3阶及以上），能有效缓解多重共线性，让各阶项的显著性检验更可靠。
• 原始幂次项：系数解释更直观，但高阶时容易出现多重共线性，导致系数估计不稳定。

内容的提问来源于stack exchange，提问作者cinnamon662