R中含%>%的lm模型predict结果不一致的原因咨询

问题背景 #

基于模型 y = (中心化x) + (中心化x)²，我构建了两个看似一样的lm模型：

model1 = lm(y ~ scale(x, center=T, scale=F) + I( (scale(x, center=T, scale=F))^2 ), data=data)
model2 = lm(y ~ (x %>% scale(center=T, scale=F)) + I( (x %>% scale(center=T, scale=F))^2 ), data=data)

两个模型跑出来的summary()结果完全一致，但用predict()计算x=42的置信区间时：

predict(model1, data.frame(x=42), interval="confidence", level=0.95)
predict(model2, data.frame(x=42), interval="confidence", level=0.95)

得到的结果却不一样，想问是不是R对带%>%的公式处理方式有区别？
数据集用的是Kutner教材里的SENIC.txt，y是第11列，x是第12列。

原因解析 #

问题出在R对公式里管道符的解析逻辑上，直接用scale()和用%>%套scale()，在predict()阶段处理新数据的方式完全不同：

• 对于model1：公式里的scale(x, center=T, scale=F)会被R识别为“基于训练集均值对x做中心化”，predict()时会自动拿训练集的mean(data$x)去给新输入的42做中心化，再代入模型计算。
• 对于model2：用x %>% scale(center=T, scale=F)后，R会把这个表达式当成独立的函数调用，predict()时会单独对新输入的42做中心化——单个值的中心化结果就是0，这就导致代入模型的自变量和model1完全不同，最终预测结果自然有差异。

说白了，model1用的是训练集的全局均值做中心化，model2在预测时却给新数据单独做了中心化，这才是结果不同的根本原因，和管道符的解析机制直接相关。

内容的提问来源于stack exchange，提问作者iwsmtech