刘博谈 | 聊一聊加权和普通最小二乘法线性回归

发布网友 发布时间:2024-10-14 09:14

我来回答

1个回答

热心网友 时间:3分钟前

在今天的讨论中,我们将深入探讨加权最小二乘法(WLS)和普通最小二乘法(OLS)在线性回归分析中的应用[1, 2]。这两种方法在处理线性范围研究中的数据时,针对不同的数据处理方式有着显著的区别。

加权最小二乘法适用于考虑样品精确度的场景,例如,当计算中使用相对浓度(RCs)时,公式中权重Wi与SRC相关。无Y轴截距的线性公式为:

参数估计值A由以下公式求得:

而对于有Y轴截距的情况,权重同样影响参数A和B的估计:

相比之下,普通最小二乘法假设所有数据点的精度相同,不考虑权重,其无Y轴截距的线性公式与加权版本有所不同:

当有Y轴截距时,公式同样简化,权重为常数1:

在实际应用中,线性范围研究中的测量误差通常随浓度增加而变大,这时WLS能提供更精确的参数估计。然而,WLS假设权重完全已知,这在大多数研究中不易满足,需要使用估计值替代。对于复测次数足够(R ≥ 4)的情况,权重与重复性方差成反比,有助于提高分析的准确性。

想深入了解这些概念,或者购买相关资料,可以关注我们的公众号《诊断科学》(DiagnosticsScience),我们的微信线上商店提供了《定量测量程序线性评价手册》等资源。此外,我们的仓储式知识星球也包含了丰富的IVD技术资料,只需398元即可成为会员,获取更多实时更新的内容。

声明声明:本网页内容为用户发布,旨在传播知识,不代表本网认同其观点,若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。E-MAIL:11247931@qq.com