具有多个权重的 Matlab 回归答案

【问题标题】：Matlab regression with multiple weights [closed]具有多个权重的 Matlab 回归
【发布时间】：2015-11-10 16:24:50
【问题描述】：

我在 Matlab 中使用函数 fitlm 在响应变量 y 和预测变量 x 之间执行线性回归。在我的分析中，我还包括了一个权重变量w。但是，权重变量只能是一个列向量，我想同时控制多个因素。我也试过robustfit、LinearModel.fit和lscov这几个函数，但是这些函数都只能用一个列向量作为权重。

让我举个例子：y 是按下按钮的响应时间，x 是响应的准确性，weights = [gender age weight height]。我希望能够同时控制所有这些变量。有没有办法在Matlab中进行这样的多重权重回归？

【问题讨论】：

欢迎来到 SO。创建mcve 似乎是一个简单的问题。如果人们可以运行您的代码，就更容易理解您的问题，并且您更有可能获得一些帮助...
@lhcgeneva 你可以改用[mcve]，它会直接打印链接+写出的首字母缩写词

标签： matlab linear-regression weighted

【解决方案1】：

加权回归意味着某些数据点或多或少重要，即如果一个点具有非常高的权重，则它不应该远离模型。你描述的不是加权回归。

在您的情况下，您想要控制其他变量，这意味着您适合 y = ax+b[gender]+c[age]+... 形式的模型，即您正在检查其他变量是否变量具有强或弱的解释作用。

因此，对于 linearModel.fit，您将使用

model = LinearModel.fit([x,gender,age,weight,height],y)

【讨论】：

感谢您的评论！我执行了您建议的分析。但是，因为我已经发现这些变量，比如 [性别年龄身高] 也与响应变量 y 相关，所以我希望能够从 x 和 y 之间的相关性中部分排除它们可能产生的影响，这样最后我可以说，即使控制了这些因素，x 和 y 之间的关系仍然很重要。我是这种加权回归的新手，所以如果我的评论不清楚，我真的很抱歉。
嗨，我认为这个 Matlab 函数可以完全满足我的要求： [rho,pval] = partialcorr(x,y,z) 即在控制的同时测试 x 和 y 之间的偏线性相关性对于 z 中的变量。缺点是 id 没有子函数来绘制 x 和 y 之间的线性相关性。