R语言：如何正确处理colmeans结果以传入lm的predict函数获5个预测值？

问题根源 #

你的模型中，自变量是每行10-14列的均值（单个数值变量），但你传入predict()的newdata存在两个核心问题：

1. 变量名不匹配：模型里的自变量被自动命名为rowMeans(df[, c(10:14)])，你的newdata没有对应名称的变量，导致predict()直接使用原数据的自变量计算，输出原数据行数（300+）的结果。
2. 数据结构错误：你传入的是转置后的列均值结构，不符合predict()要求的「每行对应一个预测输入」的数据框格式。

解决方案 #

方法1：先给自变量命名，重新拟合模型（推荐） #

先在数据框中新增一列存储每行的10-14列均值，用规范的变量名拟合模型，后续预测更清晰：

# 新增列存储每行的10-14列均值
df$row_avg <- rowMeans(df[, 10:14], na.rm = TRUE)
# 拟合线性模型
fit <- lm(Y ~ row_avg, data = df)

# 计算10-14列的列均值（共5个值）
col_avgs <- colMeans(df[, 10:14], na.rm = TRUE)
# 构建符合要求的newdata：数据框，列名和模型自变量一致
new_data <- data.frame(row_avg = col_avgs)
# 生成5个预测值
predict(fit, newdata = new_data)

方法2：不重新拟合，匹配原模型的变量名 #

如果不想重新拟合模型，可以先查看原模型的自变量名称，再构建对应列名的newdata：

# 查看模型的自变量名称（输出的第二个元素）
names(coef(fit))
# 示例输出："(Intercept)" "rowMeans(df[, c(10:14)])"

# 计算列均值
col_avgs <- colMeans(df[, 10:14], na.rm = TRUE)
# 构建newdata，列名必须和模型自变量完全一致
new_data <- data.frame(`rowMeans(df[, c(10:14)])` = col_avgs)
# 生成预测值
predict(fit, newdata = new_data)

说明 #

两种方法都能得到5个基于列均值的预测值，方法1的变量名更直观，后续维护和扩展更方便。

内容的提问来源于stack exchange，提问作者Ricardo Francois