修改R中lm模型系数后无法计算新结果的问题求助

直接修改fit1$coefficients只是改动了模型对象里存储的系数值，但summary()用到的多重R平方、拟合值、残差等统计量，都是模型初次拟合时就计算好并存在lm对象里的（比如fitted.values、residuals、r.squared这些属性），不会因为你改了系数就自动重新计算。所以哪怕系数变了，summary调用的还是原来的旧统计量，结果自然一致。

要拿到修改系数后的模型结果，得手动计算相关统计量，或者更新模型对象里的依赖项，下面是两种可行方式：

方式1：手动计算核心指标 #

如果只需要拟合值、残差、R平方这些关键指标，直接基于新系数计算就行：

# 提取带截距项的设计矩阵
X <- model.matrix(fit1)
# 用新系数算拟合值
fit1$fitted.values <- X %*% fit1$coefficients
# 计算残差
fit1$residuals <- fit1$model$y - fit1$fitted.values
# 计算R平方：1 - (残差平方和/总平方和)
ss_res <- sum(fit1$residuals^2)
ss_tot <- sum((fit1$model$y - mean(fit1$model$y))^2)
fit1$r.squared <- 1 - ss_res / ss_tot
# 计算调整R平方
n <- nrow(X)
k <- length(fit1$coefficients)
fit1$adj.r.squared <- 1 - (ss_res/(n - k)) / (ss_tot/(n - 1))

之后再调用summary(fit1)，就能看到更新后的R平方等指标了。

方式2：重新构造模型对象（更彻底） #

如果想让summary里的所有统计量都更新，可以用lm.fit()重新构造模型，手动传入设计矩阵和响应变量：

# 提取设计矩阵和响应变量
X <- model.matrix(fit)
y <- fit$model$y
# 用lm.fit初始化模型对象
fit1 <- lm.fit(X, y)
# 设置你想要的新系数
fit1$coefficients <- c(fit$coefficients[1], 5, 1)
# 重新计算拟合值、残差
fit1$fitted.values <- X %*% fit1$coefficients
fit1$residuals <- y - fit1$fitted.values
# 添加必要属性让summary正常显示
fit1$rank <- fit$rank
fit1$df.residual <- fit$df.residual
fit1$call <- fit$call

这样处理后，summary(fit1)就能展示基于新系数的完整统计结果。

• lm对象是个存了大量预计算统计量的列表，改其中一项不会触发其他项自动更新，必须手动重新计算依赖指标。
• 如果要算t值、p值这类统计量，得基于新系数和模型方差协方差矩阵重新算，但这些指标在修改系数后已经失去原有的统计意义（它们是基于原拟合的抽样分布得出的），如果只是对比拟合效果，重点看拟合值、R平方、残差就够了。

内容的提问来源于stack exchange，提问作者ToniNA