预测模型精度计算中capital_gain作为解释变量的作用疑问

我正在学习某教材第10章的预测建模示例，在以下代码中，capital_gain被用作选择的变量，但移除它或替换为其他变量后，输出的估计值和混淆矩阵均无变化。请问该变量在此处存在的原因是什么？

library(yardstick)
pred <- train %>%
  select(income, capital_gain) %>% #why 'capital_gain' is here? 
  bind_cols(
    predict(mod_null, new_data = train, type = "class")
  ) %>%
  rename(income_null = .pred_class)
accuracy(pred, income, income_null)


confusion_null <- pred %>%
  conf_mat(truth = income, estimate = income_null)
confusion_null

补充说明：使用的是UCI成人收入数据集。

这是因为代码里用到的mod_null是空模型（null model）——这类模型完全不依赖任何解释变量，只会基于目标变量income的整体分布做预测（比如预测样本占比更高的类别）。

select(income, capital_gain)这一步只是从train数据中筛选出这两列，但后续绑定的预测结果完全由mod_null生成，和筛选出的capital_gain没有任何关联。不管你保留、移除还是替换这个变量，都不会影响空模型的预测输出，自然也不会改变准确率和混淆矩阵的结果。

至于这个变量出现在此处的原因，大概率是作者的演示失误，或是为了刻意展示“空模型完全不依赖解释变量”这一特性——哪怕看似引入了解释变量，只要模型本身不调用它，结果就不会产生变化。

内容的提问来源于Stack Exchange，提问作者Espejito