R中多元回归的最优预测值

假设我有1个响应变量Y和2个预测器X1和X2，如下所示

Y    X1   X2
2.3  1.1  1.2
2.5  1.24 1.17
......

假设我有一个坚定的信念，下面的模型工作得很好

 fit <- lm(Y ~ poly(X1,2) + X2) 

fit归功于@sashkello

基本上，我必须从lm对象中提取系数，并与相应的项相乘，以形成公式

我认为这不是很有效。如果这是具有数百个预测因子的回归呢
 所以这里有一个经验方法来做到这一点：

# create some random data...
set.seed(1)
X1 <- 1:100
X2 <- sin(2*pi/100*(1:100))
df <- data.frame(Y=3 + 5*X1 -0.2 * X1^2 + 100*X2 + rnorm(100,0,5),X1,X2)
fit <- lm(Y ~ poly(X1,2,raw=T) + X2, data=df)
# X1 and X2 unconstrained
df$pred <- predict(fit)
result  <- with(df,df[pred==max(pred),])
result
#           Y X1        X2     pred
# 19 122.8838 19 0.9297765 119.2087

# max(Y|X2=0)
newdf       <- data.frame(Y=df$Y, X1=df$X1, X2=0)
newdf$pred2 <- predict(fit,newdata=newdf)
result2     <- with(newdf,newdf[pred2==max(pred2),])
result2
#           Y X1 X2    pred2
#12 104.6039 12  0 35.09141

#创建一些随机数据。。。
种子（1）
X1我看不出它与安装有什么关系。找到拟合后，您只需要研究它的属性。1.您有一个fit函数，现在希望找到它的最大值。2.对于给定的X2，最大化拟合（X1，X2）
。我是R的新手。object fit是否提供了显式函数公式？如何最大化这两种情况？ThanksIt返回包含变量系数的
lm
对象，请参见这里的一些示例@sashkello。是的，我知道我可以使用摘要来获取lm内容，现在的问题是如何获得最佳设置？我有统计学硕士学位，所以我理解你的链接所说的。所以我必须从拟合中显式提取系数，然后写出公式？Thankscoef（lmfit）会给你一个系数向量，你可以用它乘以（1，x1，x2）得到你函数的值。这样你就可以创建一个你想要优化的函数。当我们不知道它的相对顺序时，任何简单的方法都可以提取回归对象“fit”中变量的系数。e、 g，“x^2”的系数在不知道其位置的情况下，在上面的示例中，您可以使用：
系数（拟合）[“I（x1^2）”]
我发现我无法使用您建议的方法提取截距系数，其他术语系数也可以。系数（拟合）[“截距”]=>NAUse:
系数（拟合）[“（截距）”]
用于截距。