0

假设我想预测一个因变量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来预测 D：

I1 * w1 + I2 * w2 + I3 * w3 = ~D

但是，我不知道权重 ( w) 的正确值，但我想通过重复我的估计来微调它们：

  1. 在第一步中，我使用相等的权重：

    w1= .33, w2=.33,w3=.33

我估计D使用这些权重：

EST= I1 * .33 + I2 * .33 + I3 *. 33

  1. D我收到反馈，这是与我的估计之间的差值( diff=D-EST)

  2. 我使用这个反馈来修改我的原始权重并微调它们以最终最小化 和 之间的D差异EST。

我的问题是：

  1. 差异分数是否足以微调权重？

  2. 有哪些手动微调权重的方法？（例如，我可以查看和之间的相关性diff并将I1,I2,I3其用作权重吗？

4

1 回答 1

0

以下命令，

coefficients(lm(D ~ I1 + I2 + I3))

将为您提供理想的权重以最小化diff。

您的定义diff不会告诉您足够的信息来正确手动操作权重，因为无法隔离每个I.

D和之间的相关性I也不够，因为它只告诉您预测变量的强度，而不是权重。如果你I的 's 是真正独立的（相互独立，全部在一起并且 wrt D- 一个强有力的假设，但在使用rnorm每个时都是正确的），你可以尝试一次操作一个并注意它是如何影响diff的，但是使用线性回归模型是最简单的方法。

于 2013-09-26T15:01:01.797 回答