我有问题我正在努力： 我有一个向量A [a1，a2，a3]和B [b1，b2，b3]。我想找到一个＆＃34;相关性＆＃34;矩阵X（3x3）可以从A＆＃39;的新输入数据中预测。生成B＆＃39;的输出预测。基本上到最后：A＆＃39; * X得到B＆＃39;。我有很多A和B的记录数据（配对）。根据下面的答案（我同意），我认为这是多元线性回归。我认为应该有共同的图书馆这样做，但我不太了解多元线性回归来实现它们。我也不知道使用哪种算法和库。非常感激您的帮忙！ ：）
鉴于此，
b1 = x1_1*a1 + x2_1*a2 + x3_1*a3 + e1
b2 = x1_2*a1 + x2_2*a2 + x3_2*a3 + e2
b3 = x3_1*a1 + x3_2*a2 + x3_3*a3 + e3
对每个进行多元线性回归是否有意义？并将解决方案结合在一起？如果没有，为什么呢？
谢谢！
答案 0 :(得分：0)
这不是多元回归，而是多元回归。基本上，这可以被视为估计三个多元回归模型
b1 = t1_1* a1 + t2_1 * a2 + t3_1 * a3 + e1
b2 = t1_2* a1 + t2_2 * a2 + t3_2 * a3 + e2
b3 = t3_1* a1 + t3_2 * a2 + t3_3 * a3 + e3
但他想在同时测试b的统计显着性时考虑b1，b2，b3的相关性。因为如果你分别估计每个模型就像估计多变量模型一样，模型系数的矩阵将是相同的，你可以分别估计每个模型（对于每个b）并将结果组合到矩阵A中。你不会得到多变量试验。它们很有帮助，但如果您只是对定量关系感兴趣，可以跳过它们。或者你可以自己写，看看F-test，MANOVA。