如何在for循环中使用predict.lm？求解预测报错问题

错误原因分析 #

• 存储对象错误：第一个循环中你存储的是模型摘要（summary输出），但predict.lm()需要的是lm()返回的原始模型对象，这就是警告提示<fake-lm-object>的核心原因。
• 数据格式错误：提取测试数据列时，单列提取会被自动简化为向量，而predict()要求newdata必须是数据框、列表或环境类型。

修正后的代码 #

第一步：重新拟合并存储模型对象 #

set.seed(98274)                          # 创建示例数据
y <- rnorm(1000)
x1 <- rnorm(1000) + 0.2 * y
x2 <- rnorm(1000) + 0.2 * x1 + 0.1 * y
x3 <- rnorm(1000) - 0.1 * x1 + 0.3 * x2 - 0.3 * y
data <- data.frame(y, x1, x2, x3)
head(data)                               # 查看数据前几行

mod_list <- list()                  # 创建空列表存储模型对象（而非摘要）

for(i in 2:ncol(data)) {                 # 循环拟合模型
  predictors_i <- colnames(data)[2:i]    # 生成当前模型的预测变量名向量
  # 直接存储lm模型对象，不要套summary()
  mod_list[[i - 1]] <- lm(y ~ ., data[ , c("y", predictors_i)])
}

第二步：用模型对测试数据预测 #

## 生成测试数据
set.seed(44)                          # 设置随机种子
y <- rnorm(1000)
x1 <- rnorm(1000) + 0.19 * y
x2 <- rnorm(1000) + 0.2 * x1 + 0.11 * y
x3 <- rnorm(1000) - 0.12 * x1 + 0.28 * x2 - 0.33 * y
test <- data.frame(y, x1, x2, x3)

predict_models <- matrix(nrow = nrow(test), ncol = 3)

for(i in 2:ncol(data)) {                 # 循环预测
  predictors_i <- colnames(data)[2:i]    # 匹配对应模型的预测变量
  # 使用drop=FALSE确保提取的是数据框而非向量，满足predict的格式要求
  predict_models[,i-1] <- predict.lm(mod_list[[i-1]], test[, predictors_i, drop=FALSE])
}
predict_models

关键修正点说明 #

1. 存储模型而非摘要：将mod_summaries[[i - 1]] <- summary(lm(...))改为直接存储lm()的返回值，predict.lm()只能基于完整的模型对象工作。
2. 保持数据框结构：提取测试数据列时添加drop=FALSE，避免单列被简化为向量，确保newdata符合要求的格式。

内容的提问来源于stack exchange，提问作者ebrahimi