R线性模型中如何正确将月份作为因子使用及自定义预测实现

问题1：截距是否代表1月的基准值？ #

是。R对分类因子默认采用treatment编码（处理对照编码），会自动选择因子的第一个水平作为参考组。你的month是数值型转的因子，默认按数值排序，第一个水平就是1月，所以：

• 截距代表的是：1月、tmax为0、precip为0时，tmin的预测值
• 其他月份的系数含义是：控制tmax和precip不变的前提下，对应月份的tmin平均比1月高出的数值，比如as.factor(data$month)2的系数1.09，就是同等温降水条件下2月tmin比1月高1.09单位。

问题2：是否需要手动创建哑变量？ #

完全不需要。as.factor()会自动帮你完成哑变量的生成和编码，逻辑和手动创建哑变量建模的结果完全一致，手动创建反而容易出现变量遗漏、顺序错误等问题。
如果需要更换参考组（比如想把7月设为基准），只需要用relevel()调整因子水平即可：

# 把7月设为因子参考水平
data$month <- factor(data$month, levels = 1:12) |> relevel(ref = "7")
# 重新建模后输出的系数就会缺失7月的项，截距对应7月的基准

问题3：为什么predict返回全量结果，怎么实现单个样本预测？ #

你遇到这个问题的核心原因是建模时的公式写法错误：你在公式里用了data$tmax、data$precip这种直接提取原数据集列的写法，导致lm模型直接绑定了原数据集的全量变量，传入的newdata会被忽略，默认返回原数据集所有样本的预测值。
正确的写法是建模时通过data参数传入数据集，公式里直接写列名：

# 正确建模代码
tmin_model <- lm(tmin ~ tmax + precip + as.factor(month), data = data)

之后再调用predict就可以正常识别newdata的内容，返回对应样本量的预测结果：

# 单个1月样本的预测，只会返回1个结果
predict(tmin_model, newdata = data.frame(tmax = rnorm(1, 20, 13), month = 1, precip = 0))

注意预测时不需要传入tmin列，因变量不需要出现在newdata里。

内容的提问来源于stack exchange，提问作者user8229029