Weighted-Least-Squares - R

Möchte ich eine regression von y~x (nur 1 abhängige und 1 unabhängige variable), aber ich habe heteroskedasticity. Die Variabilität von y erhöht, da x erhöht. Um damit umzugehen, ich möchte mit gewichteten kleinsten Quadrate durch die "gls()" Funktion in R.
Aber ich muss zugeben, dass ich nicht verstehe, wie es zu benutzen. Ich habe zu gelten, eine Varianz-Funktion, um die "GEWICHTE" - argument der gls Funktion. Aber ich weiß nicht, welches man wählen und wie es zu benutzen. Könnten Sie mir etwas Hilfe, bitte?

Dank.

InformationsquelleAutor user1671537 | 2013-07-01

  1. 6

    Hier ein Beispiel von der Pflege der poisson-count der Daten, wo die Variante sein wird, die proportional zu dem Mittelwert (die es klingt wie Sie haben).

    fit = lm (y ~ x, data=dat,weights=(1/dat$x^2))

    Verwenden Sie die recipricol als das Gewicht, da werden Sie multiplizieren die Werte. Sie Platz für die Betreuung von Poisson-count-Daten, da die Varianz Einheiten im Quadrat. Sie können etwas tun:

    fit = lm (y ~ x, data=dat,weights=(1/dat$x))

    Einfach skalieren, indem Sie den x-Wert und sehen, was besser funktioniert.

    Wie kann ich beurteilen, ob es besser funktioniert. Der Rückgabewert der Bartlett-test ist der gleiche mit und ohne die "GEWICHTE" - argument. Hier ist mein code: a2=Lesen.Tabelle("total37.txt",header=TRUE) m1=lm(Res~ModeF, a2, GEWICHTE=1/a2$ModeF^2) m2=lm(Res~ModeF, a2) bartlett.test(Residuen(m1)~a2$ModeF)) Bartlett-test data: Residuen(m1) und a2$ModeF Bartlett ' s K-squared = 35.2706, df = 11, p-Wert = 0.0002236 bartlett.test(Residuen(m2)~a2$ModeF)) Bartlett-test data: Residuen(m2) und a2$ModeF Bartlett ' s K-squared = 35.2706, df = 11, p-Wert = 0.0002236

    InformationsquelleAutor Chrismit

Schreibe einen Kommentar