以下是方差错误问题吗,是否有推荐的 R(或 SAS)包?

机器算法验证 r 回归 变量错误
2022-03-22 14:08:35

我有几个不同的身体表现测量数据,每一个都是在同一个人身上完成的,我正在寻找彼此相关的数据。一个典型的问题可能是,“体重调整后的瘦肌肉质量是否与握力相关”……对于每对测量值,等等。

问题是某些类型的测量是在同一个人身上连续多次进行的。例如,可以在每个人连续四次试验中测量平衡,而可以每天测量握力,持续一周。为了了解平衡与握力的相关程度,我假设我需要将两个系列合并为每个人的单个分数。我可以取一个平均值,或者我可以拟合一个线性模型(即lmList(grip ~ day|subject)lmList(balance ~ trial|subject)),然后分别计算各个斜率和截距的相关性。但在任何一种情况下,我也会有方差估计,我不应该扔掉。

从我目前的搜索来看,这似乎可能是方差误差问题或结构方程模型问题。我对这两种方法都是全新的,如果有人能指出我的介绍或教程,希望有一些示例代码,我将不胜感激,以便从类似的东西lm(grip ~ balance)到一个考虑到握力和差异的模型平衡每个人的分数。

或者用象征性的术语来说,如何从

yi=β0+β1xi+ϵ
y^i=β0+β1(x^i+σ^xi)+σ^yi+ϵ
谢谢。

1个回答

你的情况听起来很像我在这里写的最后两个问题所描述的情况。如果您还没有阅读这些问题和回答,我认为这些问题和回答会有所帮助。如果有两个变量是线性相关的,并且每个变量都观察到测量误差,那么您就会遇到变量误差问题。OLS 是不合适的,因为它认为变量之一是固定的和已知的。

正如我在问题中提到的,重复样本的错误中的“干扰”或“相关性”是虚假的,因为它们应用于相同的点,但每个变量中的错误仍然是独立的。这意味着即使重复测量,原始的变量误差方法也是有效的。

Bill Huber 指出,显示两种测量技术等价的更标准方法是不同的,在 Draper 和 Smith 等书中称为逆回归。该方法明显不同于变量误差/戴明回归,它进行了戴明回归不做的方差分量分析。我打算研究它,但还没有。您的问题可能与我的不同,戴明回归可能适合您。

你会注意到 R 包 mrc 被推荐给我作为进行戴明回归的工具。Bill Hiiber 在评论或聊天中向我提到了它。