R语言中未知回归变量名时如何用lm模型执行predict预测

嗨，这个问题我之前也踩过坑！核心原因是你不能直接把动态获取的变量名当作参数名硬写在predict函数里——R的语法不允许这么干。不过别担心，有两个简单靠谱的办法能解决：

方法一：构造带正确列名的数据框 #

predict函数的newdata参数需要接收一个列名和模型自变量名一致的数据框，所以我们可以先把获取到的变量名设为数据框的列名：

# 先把变量名存起来（方便复用）
var_name <- names(my.model$coefficients)[2]
# 构造符合要求的新数据框
new_data <- setNames(data.frame(c(40)), var_name)
# 执行预测
predict(my.model, newdata = new_data)

如果要预测多个值，比如40、50、60，只需要把c(40)换成c(40,50,60)就行。

方法二：用列表构造新数据 #

R的predict函数也接受列表作为newdata，只要列表的元素名和模型自变量名匹配：

var_name <- names(my.model$coefficients)[2]
# 创建空列表，给它添加对应元素
new_list <- list()
new_list[[var_name]] <- c(40)
# 执行预测
predict(my.model, newdata = new_list)

为什么原来的写法不行？ #

你之前写的predict(my.model, names(my.model$coefficients)[2] = c(40))是语法错误——在R里，函数参数的赋值左边必须是固定的变量名，不能是动态计算的表达式（比如names(...)这种）。所以必须先把数据整理成带有正确命名的结构，再传给newdata参数。

内容的提问来源于stack exchange，提问作者DSUR