使用lm模型预测阳性值时的行号匹配问题咨询

核心问题：代码参数错误 + 数据集顺序误解 #

你现在遇到的问题，本质是预测代码的参数使用错误，再加上原始数据集的倒序排列，导致你拿到的是模型训练数据的拟合值，而非目标日期的预测结果。

先拆解下问题点：

1. predict()函数参数完全用错了：
   你写的代码是：

   predict(Covid = subset2,M1, interval = "confidence")
   

   但predict()的正确语法是predict(模型对象, newdata=新数据框, ...)——你不仅把模型和数据的顺序搞反了，还错误地用了Covid=这个不存在的参数名，而且subset2是逻辑向量，不是包含date变量的数据框，根本无法用来做预测输入。

2. 原始数据集是倒序排列的：
   你的原始数据里，第1行是2020-04-08，第10行是2020-03-30（你要预测的起始日），第11-24行正好是你用来训练模型的2020-03-16至2020-03-29的数据。因为参数错误，predict()默认用了模型训练时的数据集（Covid_sub）来生成拟合值，所以你拿到的是11-24行的结果，这完全不是你要的预测值。

修正后的正确预测代码 #

把代码改成这样，就能得到目标日期的预测结果了：

# 筛选需要预测的日期区间，生成正确的新数据框
subset2 = Covid$date >= "2020-03-30" & Covid$date <= "2020-04-08"
Covid_sub2 = Covid[subset2,]

# 使用正确的predict语法，传入模型和新数据框
pred_results = predict(M1, newdata = Covid_sub2, interval = "confidence")

# 把日期和预测结果合并，方便对应查看
cbind(预测日期 = Covid_sub2$date, pred_results)

结果解读说明 #

修正后得到的10行结果，才是2020-03-30至2020-04-08这10天的预测值，这才是你需要解读的内容。

另外补充个小提醒：线性模型会把日期自动转换成数值（比如从某个基准日开始的天数）来计算，从你训练数据的趋势看（阳性值从4019涨到139061），线性拟合是合理的，但你可以通过plot(M1)查看残差，确认模型拟合效果是否符合预期。

内容的提问来源于stack exchange，提问作者JessRay