r - lm(进攻$ R〜进攻$ OBP)和lm(R〜OBP)有什么区别？

我正在尝试使用R创建一个线性模型，并使用它来预测一些值。主题是棒球统计数据。如果我这样做：

obp <- lm(offense$R ~ offense$OBP)
predict(obp, newdata=data.frame(OBP=0.5), interval="predict")

我收到错误消息：警告消息：“ newdata”有1行，但是找到的变量有20行。

但是，如果我这样做：

attach(offense)
obp <- lm(R ~ OBP)
predict(obp, newdata=data.frame(OBP=0.5), interval="predict")

它按预期工作，我得到了一个结果。两者有什么区别？如果我只打印OBP和encen $ OBP，它们看起来是一样的。

最佳答案

在第一种情况下，如果打印模型，则会得到以下信息：

Call:
lm(formula = offense$R ~ offense$OBP)

Coefficients:
(Intercept)  offense$OBP
    -0.1102       0.5276

但是在第二个中，您得到以下信息：

Call:
lm(formula = R ~ OBP)

Coefficients:
(Intercept)          OBP
    -0.1102       0.5276

查看系数的名称。当使用newdata=data.frame(OBP=0.5)创建新数据时，这对于第一个模型而言实际上没有任何意义，因此将忽略新数据，并且仅使用训练数据获得预测值。使用offense$R ~ offense$OBP时，公式的每一侧只有两个向量，没有与data.frame关联的名称。

最好的方法是：

obp = lm(R ~ OBP, data=offense)
predict(obp, newdata=data.frame(OBP=0.5), interval="predict")

然后您将获得正确的结果，即OBP=0.5的预测。