R中带交互项的模型调用add_predictions()是否全场景适用？

核心结论 #

modelr::add_predictions()是对R基础泛型函数predict()的轻量封装，本身不参与模型逻辑计算，只要你传入的拟合模型对象有对应的predict()方法，不管是否包含交互项、属于哪类模型，都可以正常运行。

分场景说明 #

• 交互项场景：不管是你测试的二阶交互，还是三阶及更高阶的交互，只要你在拟合模型时已经在公式中正确指定交互项，交互效应已经被包含在拟合好的模型对象中，add_predictions()调用底层predict()计算时会自动处理交互逻辑，不需要额外配置，所有交互场景都适用。
• 其他模型场景：比如logistic回归、泊松回归、混合效应模型、决策树等绝大多数R的常见模型类，只要对应模型类的predict()方法存在，都可以正常传入使用。如果需要调整预测值的输出类型，比如logistic回归需要输出预测概率而非默认的对数优势比，可以额外指定type参数即可，示例：add_predictions(mod_logit, type = "response")。

你提供的测试代码逻辑完全正确，可以直接拓展到上述其他场景使用：

df <- tibble::tibble(
  x1 = sort(runif(100)),
  x2 = sort(runif(100)),
  y = 2*x1 + sqrt(x2) + rnorm(length(x1)))

mod_1 = lm(y~x1*x2, data = df) 
grid_values = expand_grid(x1 = seq(-1,1,0.1),x2 = seq(-1,1,0.1)) 

grid_values %>% add_predictions(mod_1) %>% 
  filter(x1==1 & x2==1)

内容的提问来源于stack exchange，提问作者Rtist