R语言实现汽车车型年份平均油耗的未来时间序列平均值预测

你的线性回归公式方向完全写反了。线性回归语法规则为 要预测的目标变量 ~ 用来预测的特征变量，你要实现的是根据年份预测平均油耗，但你写的公式是 Model ~ Highway_mpg + City_mpg，变成了用油耗预测年份，模型运行predict时自然要求输入油耗特征，找不到就会报错。

1. 计算历史年份的平均油耗 #

首先按车型年份聚合，计算每年的高速、城市平均油耗：

library(dplyr)
# 按年份聚合求平均油耗
df_avg <- df %>% 
  group_by(Model) %>% 
  summarise(
    avg_highway = mean(Highway_mpg),
    avg_city = mean(City_mpg)
  )

如果你不想用dplyr，也可以用base R实现：

df_avg <- aggregate(cbind(Highway_mpg, City_mpg) ~ Model, data = df, FUN = mean)
colnames(df_avg) <- c("Model", "avg_highway", "avg_city")

2. 拟合回归模型 #

分别拟合高速油耗、城市油耗和年份的线性回归模型：

# 高速油耗预测模型
highway_mod <- lm(avg_highway ~ Model, data = df_avg)
# 城市油耗预测模型
city_mod <- lm(avg_city ~ Model, data = df_avg)

3. 预测2013-2016年的平均油耗 #

构造预测用的年份数据，调用predict得到预测值：

# 构造待预测的年份数据集
pred_df <- data.frame(Model = 2013:2016)
# 预测平均油耗
pred_df$avg_highway <- predict(highway_mod, newdata = pred_df)
pred_df$avg_city <- predict(city_mod, newdata = pred_df)

4. 合并历史数据和预测结果 #

得到最终完整的结果表：

final_result <- rbind(df_avg, pred_df)

输出的final_result就是你需要的包含历史平均和未来预测值的表格。

内容的提问来源于stack exchange，提问作者k3b