Julia 朱莉娅'；s GLM做加权最小二乘？

我想做加权最小二乘回归。GLM包的文档似乎暗示这是一个选项，但我不能确切地指出语法应该是什么

test = DataFrames.DataFrame(x = float([1:12]), y = randn(12), w)
lm(y~x, test)

假设我想通过某个加权向量对每个观察值加权

我试过了

fit(LinearModel, y~x, data, wts=[rep(.5,6), rep(.7,6)])

但它无法找到匹配的方法

---

有没有关于如何使用GLM软件包的更多示例的文档？

我认为@rickhg12hs是对的：

julia> using DataFrames

julia> using GLM

julia> test = DataFrames.DataFrame(x = float([1:12]), y = randn(12));

julia> glm(y ~ x,test, Normal(), IdentityLink(), wts=[rep(.5,6), rep(.2,6)])
DataFrames.DataFrameRegressionModel{GLM.GeneralizedLinearModel{GLM.GlmResp{Array{Float64,1},Distributions.Normal,GLM.IdentityLink},GLM.DensePredChol{Float64}},Float64}:

Coefficients:
              Estimate Std.Error z value Pr(>|z|)
(Intercept)   0.715555  0.506611 1.41243   0.1578
x            -0.137865 0.0827818 -1.6654   0.0958


julia> glm(y ~ x,test, Normal(), IdentityLink(), wts=[rep(.5,6), rep(.7,6)])
DataFrames.DataFrameRegressionModel{GLM.GeneralizedLinearModel{GLM.GlmResp{Array{Float64,1},Distributions.Normal,GLM.IdentityLink},GLM.DensePredChol{Float64}},Float64}:

Coefficients:
              Estimate Std.Error z value Pr(>|z|)
(Intercept)   0.914117   0.59612 1.53345   0.1252
x            -0.187296 0.0765347 -2.4472   0.0144

---

使用

test

DataFrame

，

glm（y~x，test，Normal（），IdentityLink（），wts=[rep（.5,6），rep（.5,6）]）

是否提供了所需的匹配？幸运的是，

glm（y~x，test，Normal（），IdentityLink（），wts=one（长度（test[：y]））

和

lm（y~x，test）

产生了相同的结果。