大家好 我最近在练习把各种回归提到的东西实作出来 使用的是python 然後使用statsmodels来验证我的结果 那我正在写WLS 作法是令一个矩阵W，其中它的各个对角线元素为weighted值 然後把原本的矩阵X，转变为Xw= W^0.5 * X 向量y也做一样的转换：yw = W^0.5 *y 然後利用Xw和yw去做一般的OLS计算 所以这时候算的系数向量会是 b = (Xw' * Xw)^(-1) * Xw' * yw = (X' * W * X)^(-1) * X' * W * y 那我现在遇到的问题是 我在计算SST SSR SSE时 一开始想说应该和一般的计算方法一样 就是像是SSE=(y-yhat)' * (y-yhat) 其中yhat是X * b 结果算出来好像怪怪的 後来改成这样算 SSE = (yw-ywhat)' * (yw-ywhat) 其中ywhat是Xw * b 这样结果就对了 但是我不懂为什麽这里要改用yw去算？ 另外同样的改法，用在SST和SSR却失败 算出来的答案不太对 因此想问，是否WLS中，计算SSR、SSE和SST的方法和一般OLS的不太一样呢？ 是的话，又是为什麽要这样计算呢？ 谢谢！ （这里我的SSR SSE SST分别代表回归变异量、误差变异量和总变异量） --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.115.202.154 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1552236582.A.E40.html ※ 编辑: iphone2003 (140.115.202.154), 03/11/2019 00:51:02