lm（进攻$ R $进攻$ OBP）和lm（R〜OBP）有什么区别？ [英] What is the difference between lm(offense$R ~ offense$OBP) and lm(R ~ OBP)?

问题描述

我正在尝试使用R创建一个线性模型，并用它来预测一些值。主题是棒球统计。如果我这样做：

  obp < -  lm（进攻$ R〜进攻$ OBP）
 predict（obp ，newdata = data.frame（OBP = 0.5），interval =predict）
  

错误：警告消息：'newdata'有1行，但找到的变量有20行。

但是，如果我这样做：

pre> 附加（进攻）
obp < - lm（R〜OBP）
predict（obp，newdata = data.frame（OBP = 0.5） ，interval =predict）


它按预期工作，我得到一个结果。两者有什么区别？如果我打印OBP并且进攻$ OBP，他们看起来一样。

解决方案

在第一种情况下，如果你打印模型：

 致电：
 lm（公式=进攻$ R〜进攻$ OBP）
 
系数：
（截取）进攻$ OBP 
 -0.1102 0.5276 
  

但是在第二个，你得到这个：

 调用：
 lm（formula = R〜OBP）
 
系数：
（截取）OBP 
 -0.1102 0.5276 
  

看系数的名称。当您使用 newdata = data.frame（OBP = 0.5）创建新数据时，这对第一个模型并不真实，因此newdata将被忽略，您只能获得预测值与训练数据。当您使用进攻$ R〜进攻$ OBP 时，公式在每一边只有两个向量，没有与 data.frame 。

最好的方法是：

  obp < -  lm（R〜OBP，data =进攻）
 predict（obp，newdata = data.frame（OBP = 0.5），interval =predict）
  

您将得到正确的结果， OBP = 0.5 。

I am trying to use R to create a linear model and use that to predict some values. The subject matter is baseball stats. If I do this:

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

I get the error: Warning message: 'newdata' had 1 row but variables found have 20 rows.

However, if I do this:

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

It works as expected and I get one result. What is the difference between the two? If I just print OBP and offense$OBP, they look the same.

解决方案

In the first case, you get this if you print the model:

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

Coefficients:
(Intercept)  offense$OBP  
    -0.1102       0.5276 

But in the second, you get this:

Call:
lm(formula = R ~ OBP)

Coefficients:
(Intercept)          OBP  
    -0.1102       0.5276  

Look at the name of the coefficients. When you create your newdata with newdata=data.frame(OBP=0.5), that not really make sense for the first model, so newdata is ignored and you only get the predicted values with the training data. When you use offense$R ~ offense$OBP, the formula has just two vectors at each side, with no names associated to a data.frame.

The best way to do it is:

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

And you'll get the proper result, the prediction for OBP=0.5.

这篇关于lm（进攻$ R $进攻$ OBP）和lm（R〜OBP）有什么区别？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！