R 从线性回归输出中获得各组的平均分数

我用线性回归预测了性别、种族及其相互作用对生活满意度的影响

lm2 <-lm(nids$satisfaction~nids$male+nids$race+nids$male:nids$race)

lm2 | t |）
（截距）4.17751 0.05467 76.410<2e-16***
nids$male 0.39318 0.08564 4.591 4.45e-06***
nids$race 0.87095 0.03421 25.459<2e-16***
nids$男性：nids$种族-0.17947 0.05261-3.411 0.000649***
---
签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1
剩余标准误差：12016自由度上的2.358
多重R平方：0.07414，调整后的R平方：0.07391
F-统计：3和12016 DF上为320.7，p-值：<2.2e-16

我需要提供（1）每个性别组以及（2）每个种族组（共4个）的生活满意度平均分

那么，我如何使用R来实现它呢？我知道我可以汇总数据，但有一点提示，我可以使用一些系数来计算性别和种族群体的满意度水平平均值

---

提前非常感谢。

一个快速的方法：

malenids <- nids[nids$male == 1, ]
femalenids <- nids[nids$male == 0, ]
lapply(split(malenids, malenids$race), function(x) mean(x$satisfaction))
lapply(split(femalenids, femalenids$race), function(x) mean(x$satisfaction))

---

malenids请提供一个可复制的示例。在R中有许多数据集可以实现这一点。你的意思是上载数据集吗？欢迎使用StackOverflow。A会很有帮助最简单的方法是从您的数据中提取并使用内置集：
help（pack=“datasets”）
。更新了我的帖子，添加了指向数据和.r文件的链接。是的，但问题是如何仅使用此线性回归输出：（，它背后有什么原则吗？好的，被曲解了。这背后的原因是什么？为什么不生成预测，然后像上面那样在样本中进行聚合或计算？但“生成预测”是什么意思？使用
predict（lm2）
或
fitted（lm2）
因为您没有提供任何新数据。@dmg签出
fit
malenids <- nids[nids$male == 1, ]
femalenids <- nids[nids$male == 0, ]
lapply(split(malenids, malenids$race), function(x) mean(x$satisfaction))
lapply(split(femalenids, femalenids$race), function(x) mean(x$satisfaction))