Predecir () – Tal vez no lo estoy entendiendo

Publiqué el día de hoy sobre un error con el que estaba usando la función de predict . Pude corregirlo y pensé que estaba en el camino correcto.

Tengo un número de observaciones (reales) y tengo algunos puntos de datos que quiero extrapolar o predecir. lm para crear un modelo, luego traté de usar predict con el valor real que servirá como entrada del predictor.

Este código se repite todo en mi publicación anterior, pero aquí está:

 df <- read.table(text = ' Quarter Coupon Total 1 "Dec 06" 25027.072 132450574 2 "Dec 07" 76386.820 194154767 3 "Dec 08" 79622.147 221571135 4 "Dec 09" 74114.416 205880072 5 "Dec 10" 70993.058 188666980 6 "Jun 06" 12048.162 139137919 7 "Jun 07" 46889.369 165276325 8 "Jun 08" 84732.537 207074374 9 "Jun 09" 83240.084 221945162 10 "Jun 10" 81970.143 236954249 11 "Mar 06" 3451.248 116811392 12 "Mar 07" 34201.197 155190418 13 "Mar 08" 73232.900 212492488 14 "Mar 09" 70644.948 203663201 15 "Mar 10" 72314.945 203427892 16 "Mar 11" 88708.663 214061240 17 "Sep 06" 15027.252 121285335 18 "Sep 07" 60228.793 195428991 19 "Sep 08" 85507.062 257651399 20 "Sep 09" 77763.365 215048147 21 "Sep 10" 62259.691 168862119', header=TRUE) str(df) 'data.frame': 21 obs. of 3 variables: $ Quarter : Factor w/ 24 levels "Dec 06","Dec 07",..: 1 2 3 4 5 7 8 9 10 11 ... $ Coupon: num 25027 76387 79622 74114 70993 ... $ Total: num 132450574 194154767 221571135 205880072 188666980 ... 

Código:

 model  model Call: lm(formula = df$Total ~ df$Coupon) Coefficients: (Intercept) df$Coupon 107286259 1349 

Predecir código (basado en la ayuda anterior):

(Estos son los valores de predicción que quiero usar para obtener el valor predicho)

 Quarter = c("Jun 11", "Sep 11", "Dec 11") Total = c(79037022, 83100656, 104299800) Coupon = data.frame(Quarter, Total) Coupon$estimate <- predict(model, newdate = Coupon$Total) 

Ahora, cuando ejecuto eso, aparece este mensaje de error:

 Error in `$<-.data.frame`(`*tmp*`, "estimate", value = c(60980.3823396919, : replacement has 21 rows, data has 3 

Mi dataframe original que utilicé para construir el modelo tenía 21 observaciones en él. Ahora estoy tratando de predecir 3 valores basados ​​en el modelo.

O realmente no entiendo esta función, o tengo un error en mi código.

La ayuda sería apreciada

Gracias

Primero, quieres usar

 model < - lm(Total ~ Coupon, data=df) 

no model < -lm(df$Total ~ df$Coupon, data=df) .

En segundo lugar, al decir lm(Total ~ Coupon) , está ajustando un modelo que usa Total como variable de respuesta, con Coupon como predictor. Es decir, su modelo tiene la forma Total = a + b*Coupon , con b los coeficientes que se estimarán. Tenga en cuenta que la respuesta va en el lado izquierdo de ~ y el predictor (s) a la derecha.

Debido a esto, cuando solicita a R que le proporcione los valores predichos para el modelo, debe proporcionar un conjunto de nuevos valores de predicción , es decir, nuevos valores de Coupon , no Total .

En tercer lugar, a juzgar por su especificación de newdata , parece que en realidad busca un Coupon en función de Total , no al revés. Para hacer esto:

 model < - lm(Coupon ~ Total, data=df) new.df <- data.frame(Total=c(79037022, 83100656, 104299800)) predict(model, new.df) 

Gracias Hong, ese era exactamente el problema con el que me estaba encontrando. El error que recibe sugiere que el número de filas es incorrecto, pero el problema es que el modelo se ha entrenado usando un comando que termina con los nombres incorrectos para los parámetros.

Este es realmente un detalle crítico que no es completamente obvio para lm y demás. Algunos de los tutoriales hacen referencia a hacer líneas como lm(olive$Area@olive$Palmitic) , terminando con los nombres variables de olive $ Area NOT Area, por lo que crear una entrada usando anewdata< -data.frame(Palmitic=2) puede entonces ser usado. Si usa lm(Area@Palmitic,data=olive) , los nombres de las variables son correctos y la predicción funciona.

El verdadero problema es que el mensaje de error no indica el problema en absoluto:

Mensaje de advertencia: 'anewdata' tenía 1 filas pero se encontró que las variables tienen X filas

en lugar de newdata está usando newdate en su código de predicción, verifique una vez. y solo use Coupon$estimate < - predict(model, Coupon) Funcionará.

Para evitar errores, un punto importante sobre el nuevo conjunto de datos es el nombre de la variable independiente. Debe ser el mismo que se informa en el modelo. Otra forma es anidar las dos funciones sin crear un nuevo conjunto de datos

 model < - lm(Coupon ~ Total, data=df) predict(model, data.frame(Total=c(79037022, 83100656, 104299800)))