不懂你什么意思？截距项怎么变成dummy variable。是你自己重新定义还是怎样？

这样做是不是截距项也有了：（这么做对不对）
另外一个各个time的截距和斜率是用
(Intercept)     -1.833508   —— factor(time)2   -0.002559
D                2.290970——D:factor(time)2 -0.019753   
这么做的计算结果和使用data.frame（predict（model））的预测值不一样呀，不知道各个time的参数（截距和斜率怎么求呀）

model<-lm(T~D+D*factor(time), data=rd)
summary(model)

Call:
lm(formula = T ~ D + D * factor(time), data = rd)

Residuals:
     Min       1Q   Median       3Q      Max
-0.40008 -0.08177 -0.00893  0.08135  0.48261

Coefficients:
                 Estimate Std. Error t value Pr(>|t|)   
(Intercept)     -1.833508   0.164526 -11.144  < 2e-16 ***
D                2.290970   0.059637  38.415  < 2e-16 ***
factor(time)2   -0.002559   0.181352  -0.014 0.988753   
factor(time)3   -0.484401   0.191205  -2.533 0.011942 *  
factor(time)4   -0.883485   0.210132  -4.204 3.71e-05 ***
factor(time)5    0.454283   0.208719   2.177 0.030503 *  
factor(time)6   -0.728906   0.194657  -3.745 0.000227 ***
D:factor(time)2 -0.019753   0.067653  -0.292 0.770564   
D:factor(time)3  0.236851   0.072270   3.277 0.001205 **
D:factor(time)4  0.383749   0.077723   4.937 1.49e-06 ***
D:factor(time)5 -0.108568   0.075846  -1.431 0.153625   
D:factor(time)6  0.272438   0.072589   3.753 0.000220 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.1416 on 237 degrees of freedom
Multiple R-squared:  0.9891,    Adjusted R-squared:  0.9886
F-statistic:  1951 on 11 and 237 DF,  p-value: < 2.2e-16

截距项的括号不是指因子，故截距项怎么是哑元（或者因子变量呢），因子变量前面有factor(time)2～6，分别是参照factor(time)1的回归结果，而截距项要单独解释。

能告诉我具体这么做吗

另外一个各个time的截距和斜率是用
(Intercept)     -1.833508   —— factor(time)2   -0.002559
D                2.290970——D:factor(time)2 -0.019753   

你好，哑元变量怎么R语言实现？例如y=c(10,13,45,23,13,56,75,35,75,24),x=c(34,75,34,85,23,5,74,75,35,65),w=c(0,1,1,0,1,1,3,2,3,2)，其中w是哑元变量，像这样怎么用R语言实现

上面不是有例子吗？你把数据下载，然后按照数据和回答的程序自己做一遍，你的问题就自己解决了

上面不是有例子吗？你把数据下载，然后按照数据和回答的程序自己做一遍，你的问题就自己解决了