使用lm()遇矩阵类型错误：未用矩阵却报poly类型不匹配

错误原因 #

你在for循环中创建模型时，公式里的i是循环变量，lm()并不会将i的当前值固化到模型中，而是保留对环境变量i的引用。当循环结束后，i的值停留在5，调用predict(fit2)时，R会重新执行poly(x, degree = i, raw = TRUE)，此时生成的是5阶多项式矩阵，和拟合fit2时的2阶矩阵类型不匹配，因此触发报错。

解决方案 #

方案1：手动创建模型（推荐，阶数少更清晰） #

因为任务只要求拟合0-3阶多项式，直接手动定义每个模型即可，避免循环带来的变量引用问题：

fit0 = lm(y ~ 1, data = data_train)
fit1 = lm(y ~ poly(x, degree = 1, raw = TRUE), data = data_train)
fit2 = lm(y ~ poly(x, degree = 2, raw = TRUE), data = data_train)
fit3 = lm(y ~ poly(x, degree = 3, raw = TRUE), data = data_train)

方案2：动态生成公式（适合多阶场景） #

如果一定要用循环，需要将i的当前值固化到公式字符串中，再转换为公式对象传入lm()：

fit0 = lm(y ~ 1, data = data_train)

# 仅循环到3阶，匹配任务要求
for(i in 1:3) {
  # 动态生成带固定阶数的公式
  formula_expr = as.formula(paste0("y ~ poly(x, degree = ", i, ", raw = TRUE)"))
  assign(paste0("fit", i), lm(formula = formula_expr, data = data_train))
}

绘图修正说明 #

另外注意：abline()仅适用于一阶线性拟合，二阶及以上的拟合线需要用predict()生成预测值后，用lines()绘制；同时0阶拟合是水平线，应该用h参数而非v：

# 绘制训练数据散点图
plot(data_train$x, data_train$y)

# 0阶拟合（水平线）
abline(h = fit0$coef[1], col = 'blue')

# 二阶拟合线
y2_pred = predict(fit2, newdata = data.frame(x = data_train$x))
lines(data_train$x, y2_pred, col = 'red')

内容的提问来源于stack exchange，提问作者Mikayla Eckel Cifrese