R语言lm模型两次predict()调用返回相同拟合值问题咨询

你的代码存在三个核心错误，直接导致预测结果不符合预期：

• 参数名拼写错误：predict.lm() 接收待预测数据集的正式参数是newdata，你代码中传入的data = ...不会被函数识别为新数据集输入。此时函数会触发默认逻辑，直接返回模型在原始训练集pga上的拟合值，所以无论你给data参数传什么内容，返回的都是固定的417条原始数据拟合结果，两组预测值自然完全相等。
• 预测数据集缺少必要变量：你的模型中包含协变量I(log(pobtot1994))、交互项treatment:avgpoverty，但你构造的预测数据框里既没有pobtot1994，也没有原始变量avgpoverty，就算把参数名改对，R也会因变量缺失报错，无法正常输出预测结果。
• 预测数据集列名不匹配：你在构造数据框时直接用I(avgpoverty^2)作为列名，但模型中的I(avgpoverty^2)是对原始变量avgpoverty做的二次项变换，预测时只需要传入原始avgpoverty列即可，手动指定变换后的列名会导致模型无法匹配到对应变量。

要计算控制组/处理组下贫困水平对应被解释变量的平均效应，连续协变量pobtot1994通常取样本均值代入（也可根据研究需求取中位数或其他固定值），再按你需要的avgpoverty取值范围构造预测数据即可，参考代码如下：

# 拟合模型，用*可自动生成变量主效应+交互项，poly(..., raw=TRUE)等价于写一次项+二次项，写法更简洁
q6rega <- lm(
  pri2000v ~ treatment * poly(avgpoverty, 2, raw = TRUE) + I(log(pobtot1994)),
  data = pga
)

# 构造预测数据集：avgpoverty平方后对应9~25的取值区间，pobtot1994取样本均值计算平均效应
pred_T <- data.frame(
  avgpoverty = sqrt(9:25),
  treatment = 1,
  pobtot1994 = mean(pga$pobtot1994, na.rm = TRUE)
)
pred_C <- data.frame(
  avgpoverty = sqrt(9:25),
  treatment = 0,
  pobtot1994 = mean(pga$pobtot1994, na.rm = TRUE)
)

# 注意传入新数据的参数名必须是newdata
q6.yT.hat <- predict(q6rega, newdata = pred_T)
q6.yC.hat <- predict(q6rega, newdata = pred_C)

你后续排查中提到的「未指定pobtot1994会导致newdata被判定为无效、函数静默返回原始拟合值」的判断完全正确。R中predict系列函数存在静默 fallback 设计：如果传入的newdata不合法（参数名错、变量缺失、列名不匹配），多数场景下不会直接抛出错误，而是静默返回原始训练集的拟合值，和多数用户的预期不符，非常容易踩坑。
调试时可以先检查返回结果的长度快速排错：如果返回值长度和原始训练集行数一致（本次案例中是417），但你传入的新数据集行数不同（本次你构造的新数据是17行），就说明新数据没有被正确读取。

内容的提问来源于stack exchange，提问作者professor.luther.ratigan