将多元线性回归模型重铸为多元线性回归是否完全等效?我指的不是简单地运行单独的回归。
我已经在几个地方(贝叶斯数据分析-Gelman等人,以及Multivariate Old School-Marden)中读到了这一点,可以很容易地将多元线性模型重新参数化为多元回归。但是,两个消息来源都没有对此进行详细说明。他们本质上只是提到它,然后继续使用多元模型。数学上,我将首先编写多元版本,
要将其重新参数化为熟悉的多元线性回归,只需将变量重写为:
其中使用的重新参数化为,和。 表示矩阵的行首尾相连排列成一个长向量,是kronecker或外部乘积。
那么,如果这很容易,为什么还要花大量时间在多元模型上编写书籍,为它们测试统计数据等呢?最有效的方法是先转换变量并使用常见的单变量技术。我敢肯定有一个很好的理由,至少在线性模型的情况下,我很难考虑一个理由。在使用多元线性模型和正态分布的随机误差的情况下,是否存在无法应用此重新参数化或限制您可以进行分析的可能性的情况?
我见过的消息来源:Marden-多变量统计数据:老派。请参阅第5.3-5.5节。该书可从以下网站免费获得:http : //istics.net/stat/
Gelman等。-贝叶斯数据分析。我有第二版,而在此版本中,Ch中有一小段。19个标题为“等效单变量回归模型”的“多元回归模型”
基本上,您可以使用与多元模型等效的线性单变量回归模型来完成所有工作吗?如果是这样,为什么还要为多元线性模型开发方法呢?
贝叶斯方法呢?