假设我想预测因变量D，其中：
D<-rnorm(100)
我无法观察D，但我知道三个预测变量的值：
I1<-D+rnorm(100,0,10)
I2<-D+rnorm(100,0,30)
I3<-D+rnorm(100,0,50)
我想通过使用以下回归方程预测D：
I1 * w1 + I2 * w2 + I3 * w3 = ~D
但是，我不知道权重的正确值（w），但我想通过重复估算来对它们进行微调：
在第一步中我使用相同的权重：
w1= .33，w2=.33，w3=.33
我使用这些权重估算D：
EST= I1 * .33 + I2 * .33 + I3 *. 33
我收到反馈，这是D与我的估算（diff=D-EST）之间的差异分数
我使用此反馈修改原始权重并对其进行微调，以最终最小化D和EST之间的差异。
我的问题是：
差异分数是否足以能够微调权重？
手动微调重量有哪些方法？ （例如，我可以查看diff和I1,I2,I3之间的相关性，并将其用作权重吗？
答案 0 :(得分：0)
以下命令
coefficients(lm(D ~ I1 + I2 + I3))
会为您提供理想的权重，以最大限度地减少diff。
由于无法隔离每个diff的错误组件，您定义的I将无法正确地手动操作权重。
D和I之间的相关性是不够的，因为它只告诉你预测器的强度，而不是重量。如果你的I是真正独立的（彼此之间，所有在一起，而且是D - 一个强有力的假设，但对于每个人使用rnorm时都是如此），你可以尝试操纵一个一次并注意它如何影响diff，但使用线性回归模型是最简单的方法。