R语言修改LM多项式模型系数后predict输出偏移、截距异常问题求解

1. predict函数输出和手动计算结果不一致的原因 #

• 核心原因是R中poly()函数默认生成正交多项式基，而非原始x的幂次项：默认参数raw=FALSE时，poly(x,2)会对x做中心化、标准化变换，生成两两正交的基函数，lm()返回的系数是正交基的权重，不是直接对应x和x²的系数，你直接用系数乘x + x²的手动计算逻辑自然和predict()结果不一致。
• 你设置raw=TRUE后业务数据仍不符合预期，是因为绘图时的错误：你调用plot(predict(org))时没有指定x轴变量，plot默认将样本索引作为x轴，而非你的原始气温x，看起来像是整体偏移，实际上是绘图逻辑错误，改成plot(x, predict(org), type="l")即可匹配手动计算结果。

2. 示例模型截距不为0的原因 #

默认正交多项式模式下，lm(y ~ poly(x,2))的截距等价于训练样本y的均值，第一个示例中y是x从0到20的平方值，离散均值约为133.67，和你输出的截距完全一致，自然不为0。只有当raw=TRUE且y在x=0处的拟合值为0时，截距才会为0。

3. 手动计算修改后模型预测值的方法 #

方法1：使用raw=TRUE的多项式模型（推荐） #

拟合时指定poly(x, 2, raw=TRUE)，后续直接代入公式计算即可：

# 通用公式：y = 截距 + 一次项系数*x + 二次项系数*x²
pred_manual = coef(orgm)[1] + coef(orgm)[2] * x + coef(orgm)[3] * x^2

方法2：默认正交多项式模型的手动计算 #

需要先提取poly()生成的基变换参数，将原始x转换为正交基后再乘系数：

# 从原模型中提取poly的变换参数
poly_attr = attributes(mod$model[[2]])
# 生成正交基
x_poly = poly(x, 2, coefs = poly_attr$coefs)
# 计算预测值
pred_manual = coef(mody)[1] + x_poly %*% coef(mody)[-1]

原始业务数据修改后偏移的额外说明 #

你当前修改系数的逻辑是固定x=0处的截距不变，但你的研究区间是x=15~23.5，x=0不在研究范围内，调整一次项、二次项系数后，研究区间内的拟合值自然会整体偏移。如果你希望两条拟合曲线在研究区间的某个参考点（比如平均气温）相交，需要同步调整截距：

# 示例：让两条曲线在x=平均气温处相交
x_mean = mean(x)
# 计算原模型在x_mean处的拟合值
pred_org_mean = coef(org)[1] + coef(org)[2]*x_mean + coef(org)[3]*x_mean^2
# 调整修改后模型的截距，保证x_mean处值不变
orgm$coefficients[1] = pred_org_mean - orgm$coefficients[2]*x_mean - orgm$coefficients[3]*x_mean^2

内容的提问来源于stack exchange，提问作者Lyzzie777