飼養newdata至R預測函數

Question

的r predict功能可以採取newdata參數和它的文檔讀取：

newdata在其中尋找與預測變量的可選數據幀。如果省略，則使用擬合值。

但是我發現這並不是完全真實的，這取決於模型是否合適。例如，下面的代碼按預期工作：

x <- rnorm(200, sd=10) 
y <- x + rnorm(200, sd=1) 
data <- data.frame(x, y) 
train = sample(1:length(x), size=length(x)/2, replace=F) 
dataTrain <- data[train,] 
dataTest <- data[-train,] 
m <- lm(y ~ x, data=dataTrain) 
head(predict(m,type="response")) 
head(predict(m,newdata=dataTest,type="response")) 

但是，如果模型適合這樣：

m2 <- lm(dataTrain$y ~ dataTrain$x) 
head(predict(m2,type="response")) 
head(predict(m2,newdata=dataTest,type="response")) 

最後兩線會產生相同的結果。 predict函數以忽略newdata參數的方式工作，即它根本不能真正計算對新數據的預測。

當然，罪魁禍首是lm(y ~ x, data=dataTrain)與lm(dataTrain$y ~ dataTrain$x)。但是我沒有找到任何提到這兩者之間區別的文件。這是一個已知的問題嗎？

我使用R 2.15.2。

Answer 1

見?predict.lm和注意事項部分中，我引用如下：

Note: 

    Variables are first looked for in ‘newdata’ and then searched for 
    in the usual way (which will include the environment of the 
    formula used in the fit). A warning will be given if the 
    variables found are not of the same length as those in ‘newdata’ 
    if it was supplied. 

雖然它並不在「同名」條款等，儘可能的公式有關條款幽州行爲傳遞給它的形式爲foo$var，並且在newdata中或者R沿着搜索路徑尋找它們的搜索路徑中不存在名稱類似的變量。

在第二種情況下，您完全濫用模型公式表示法;這個想法是簡潔而象徵性地描述模型。簡潔和重複數據對象廣告nauseum不兼容。

您注意到的行爲是，確切地說與記錄的行爲一致。簡而言之，您使用條款data$x和data$y來擬合模型，然後嘗試預測條款x和y。就R而言，這些是不同的名稱，因此也是不同的東西，它們確實不符合它們。