R 加权最小二乘 代码_加权线性回归（加权最小二乘法回归）

残差恒定是线性回归建模的一个前提条件，《线性回归中的方差齐性探察》一文曾介绍过各种线性回归的方差齐性的检验方法。如果出现了异方差，数据变换、方差稳健估计(使用三明治方差估计量)、加权最小二乘法回归、非参数回归都是可以考虑的方法。此次笔记介绍加权最小二乘法(weighted least square，WLS)回归。

SPSS中至少有两个过程可以实现加权线性回归，一是直接在线性回归中直接指明权重(WLS weight)，该方法需要先确定权重；二是权重估计(Weight Estimation)，用于获取最优的权重并以这个权重进行WLS回归。

一般来说，在线性回归中的WLS权重以取样本的频数、方差的倒数多见。频数好理解，比如在你想看下血液中某些指标间的关系，如果同一个受试者的血液接受了不同次数的检测，在进行回归时用的是各个受试者的平均值，很显然同一个患者检测次数越多，其结果越稳定，在进行分析时可以直接将检测的次数作为权重。方差的倒数则有多种实现形式，而且结果也略有差异：①最直接的方法就是直接计算。先将某解释变量分成一定数量的组，求得每个组的响应变量的方差，拟合方差与该解释变量分组值的线性关系获得回归方程，然后再将该解释变量的原始值代入回归方程求得解释变量每个具体值对应的方差估计值，取其倒数作为权重；②先采用普通最小二乘法(Ordinary least-squares&