如何使用根據存儲在R中的列表中的模型進行預測？

Question

我有一個數據框架dfab ，其中包含2列，我將它們用作生成一系列線性模型的參數，如下所示：

models = list()
for (i in 1:10){
    models[[i]] = lm(fc_ab10 ~ (poly(nUs_ab, i)), data = dfab)
}

dfab有32個觀察值，我只想預測1個值的fc_ab10。

我想這樣做：

newdf = data.frame(newdf = nUs_ab)
newdf[] = 0
newdf[1,1] = 56
prediction = predict(models[[1]], newdata = newdf)

首先，我嘗試將newdf編寫為僅具有一個位置的數據框，但是由於構建模型的數據集中有32個位置，因此我認為我也必須至少提供32個點。 我認為這不是必需的。

每次我運行這段代碼時，都會出現以下錯誤：

錯誤：變量'poly（nUs_ab，i）符合類型“ nmatrix.1”，但提供了“數值”類型。 另外：警告消息：在Z / rep（sqrt（norm2 [-1L]）中，每個= length（x））：較長的對象長度不是較短的對象長度的倍數

我以為我需要使用的預測是LM模型，在以列命名的數據框中給出的預測變量（數字56）。 顯然，我錯了。

如何解決此問題？

謝謝。

Answer 1

newdf應該是列名稱為nUs_ab ，否則R將無法知道要對哪一列進行操作（即生成預測設計矩陣）。 所以下面的代碼應該工作

newdf = data.frame(nUs_ab = 56)
prediction = predict(models[[1]], newdata = newdf)