Question

R是否具有加权最小二乘函数？具体来说，我正在寻找能够计算拦截和斜率的东西。

数据集

1 3 5 7 9 11 14 17 19 25 29
17 31 19 27 31 62 58 35 29 21 18
102153 104123 96564 125565 132255 115454 114555 132255 129564 126455 124578

因变量是数据集3，数据集1和2是自变量。

Answer 1

是的，当然，weights=是基本线性模型拟合函数的lm()选项。快速举例：

R> df <- data.frame(x=1:10)
R> lm(x ~ 1, data=df)            ## i.e. the same as mean(df$x)

Call:
lm(formula = x ~ 1, data = df)

Coefficients:
(Intercept)  
        5.5  

R> lm(x ~ 1, data=df, weights=seq(0.1, 1.0, by=0.1))

Call:
lm(formula = x ~ 1, data = df, weights = seq(0.1, 1, by = 0.1))

Coefficients:
(Intercept)  
          7  

R>

因此，通过对后来的观察进行更大程度的权衡，序列1到10的平均值从5.5移动到7。

Answer 2

首先，创建数据集。我把它们放在一个data.frame中，但这不是绝对必要的。

dat <- data.frame(x1 = c(1,3,5,7,9,11,14,17,19,25, 29)
                  , x2 = c(17, 31, 19, 27, 31, 62, 58, 35, 29, 21, 18)
                  , y  = c(102153, 104123, 96564, 125565, 132255, 115454
                           , 114555, 132255, 129564, 126455, 124578)
                  )

其次，估计模型：

> lm(y ~ x1 + x2, data = dat)

Call:
lm(formula = y ~ x1 + x2, data = dat)

Coefficients:
(Intercept)           x1           x2  
  104246.37       906.91        85.76

第三，根据@Dirk的建议，根据需要添加你的权重。

第四，也是最重要的 - 阅读一篇或两篇有关R中的回归的教程。谷歌将其作为最高点：http://www.jeremymiles.co.uk/regressionbook/extras/appendix2/R/

Answer 3

再一次接受这个。您可以先创建权重矩阵。例如：

samplevar = var(ydata)

M = diag(40,1/samplevar)

此时M是40x40对角矩阵。您可以通过将diag应用于M：

来转换为向量

M_vector = diag(M)

然后在lm：

中使用此功能

   lm ( YXDATAFRAME, weights=M_vector)

加权最小二乘估计的函数

3 个答案: