使用R进行多元回归预测，预测数据框架

我得到了一个名为

petrol

的data.frame中的数据，它有125行和以下列：

hydrcarb

，

tanktemp

，

disptemp

，

tankpres

，

dispres

，

sqrtankpres

，

sqrdispres

我被要求从

petrol

中删除最后25行，调整模型，其中

hydrcarb

是响应变量，其余是解释变量，并对前100行执行此操作。然后使用拟合模型预测剩余的25

这就是我到目前为止所做的：

#make a new table that only contains first 100 
petrold <- petrol[-101:-125,]
petrold

#FITTING THE MODEL
petrol.lmB <- lm(hydrcarb~ tanktemp + disptemp + tankpres + disppres + sqrtankpres + sqrdisppres, data=petrol)

#SELECT LAST 25 ROWS FROM PETROL
last25rows <-petrol[101:125,c('tanktemp','disptemp','tankpres','disppres','sqrtankpres','sqrdisppres')]


#PREDICT LAST 25 ROWS
predict(petrold,last25rows[101,c('tanktemp','disptemp','tankpres','disppres','sqrtankpres','sqrdisppres')])

---

因此，我不确定如何获得25组不同数据的

hydrcarb

预测值。

Alex A.已经指出

predict

需要一个模型作为第一个参数。除此之外，您应该一次通过

predict

所有要预测的行。此外，我建议您“动态”对数据帧进行子集划分，而不是创建不必要的副本。最后，有一种较短的方法可以编写传递给

lm

的fromula：

# data for example
data(Seatbelts)
petrol <- as.data.frame(Seatbelts[1:125, 1:7])
colnames(petrol) <- c("hydrcarb", "tanktemp", "disptemp", "tankpres", "disppres", "sqrtankpres", "sqrdisppres")

# fit model using observations 1:100
petrol.lmB <- lm(hydrcarb ~ ., data = petrol[1:100,])

#predict last 25 rows
predict(petrol.lmB, newdata = petrol[101:125,])

#例如数据
数据（安全带）
汽油预测的第一个参数是模型，在本例中是汽油.lmB

。看看

？预测
。
# data for example
data(Seatbelts)
petrol <- as.data.frame(Seatbelts[1:125, 1:7])
colnames(petrol) <- c("hydrcarb", "tanktemp", "disptemp", "tankpres", "disppres", "sqrtankpres", "sqrdisppres")

# fit model using observations 1:100
petrol.lmB <- lm(hydrcarb ~ ., data = petrol[1:100,])

#predict last 25 rows
predict(petrol.lmB, newdata = petrol[101:125,])