R中的加权线性回归

Question

这个问题已经在这里有了答案：

• R：使用“ weights”参数和使用手动重新加权的数据时，lm（）结果有所不同 1回答

我想用加权因子对分析化学校准曲线进行线性回归。 x值为浓度，假定没有错误。 y值是仪器响应，并且假定变化与浓度成比例。 因此，我想对线性回归使用1 / x加权因子。 数据集只是十个浓度，每个浓度都有一个测量值。 在R中有简单的方法可以做到这一点吗？ 。

Answer 1

可以在“ 交叉验证”的一个较旧的问题上找到答案。 lm()函数（表示应用线性回归的常用方法）具有指定权重的选项。 如链接上的答案所示，您可以在weights参数中使用公式。 在您的情况下，公式可能采用1/data$concentration的形式。

如hrbrmstr所建议，我从Cross Validated中添加了mpiktas的实际答案 ：

我认为lm的R帮助页面可以很好地回答您的问题。 权重的唯一要求是提供的向量必须与数据长度相同。 您甚至可以只提供数据集中变量的名称，R负责其余部分，NA管理等。您也可以在weight参数中使用公式。 这是示例：

 x <-c(rnorm(10),NA) df <- data.frame(y=1+2*x+rnorm(11)/2,x=x,wght1=1:11) ##Fancy weights as numeric vector summary(lm(y~x,data=df,weights=(df$wght1)^(3/4))) #Fancy weights as formula on column of the data set summary(lm(y~x,data=df,weights=I(wght1^(3/4)))) #Mundane weights as the column of the data set summary(lm(y~x,data=df,weights=wght1) 

请注意，权重必须为正，否则R将产生错误。