lm（進攻$ R〜進攻$ OBP）和lm（R〜OBP）有什麼區別？

Question

我想用R來創建一個線性模型並用它來預測一些值。主題是棒球統計。如果我這樣做：

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

我得到的錯誤：警告消息：'newdata'有1行，但變量發現有20行。

但是，如果我這樣做：

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

它按預期工作，我得到一個結果。兩者有什麼區別？如果我只打印OBP並冒犯$ OBP，它們看起來是一樣的。

Answer 1

在第一種情況下，你會得到這個，如果你打印模式：

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

Coefficients: 
(Intercept) offense$OBP 
    -0.1102  0.5276 

但在第二，你會得到這樣的：

Call: 
lm(formula = R ~ OBP) 

Coefficients: 
(Intercept)   OBP 
    -0.1102  0.5276 

看那係數的名稱。當您使用newdata=data.frame(OBP=0.5)創建新數據時，對第一個模型沒有意義，所以新數據將被忽略，並且您只能使用訓練數據獲得預測值。當您使用時，該公式在每邊只有兩個向量，沒有與data.frame關聯的名稱。

做到這一點的最好辦法是：

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

，你會得到正確的結果，預測OBP=0.5。

Answer 2

沒有區別---你得到相同的係數。

但是，一些編程風格比其他編程風格更好 - 附加是要避免，因爲是更詳細的第一種形式。

大多數有經驗的用戶做

lm(R ~ OBP, offense) 

代替。