Statistics 多解释变量预测模型的建立

现在我想用几个解释变量做一些预测

我想问你我的方法是否错了

我有一个分数（这里是Y）和4个特征（X1、X2、X3和X4），有100个观察值

现在，我使用皮尔逊相关系数和线性回归（β）分别研究了Y和X1、X2、X3和X4之间的关系

利用这个关系，我通过加权和做了一些Y的预测

我建立了逐步线性回归模型并使用了权重（它显示了增加的相关系数和β）

由于我缺乏知识，我想知道这是否是有效的方法，并得到一些提示（当X的单位不同时，其他方法）

多谢各位

KHW

---

谢谢你的建议

事实上，我知道测量值X可能在Y之间存在线性关系。我的方法是分别研究X1、X2、X3和X4的皮尔逊相关系数和回归β。我发现了这些特性和Y之间的线性关系，但我想通过组合这些特性来提高可预测性（这里是r和beta）。因此我把Y'=B（0）+B（1）*X1+B（2）*X2+…+B（4）*X4，其中Y'是估计的Y，B（0）是截距

首先，我用逐步线性回归法得到Y'=B（0）+B（1）*X1+B（4）*X4

第二，我把Y'=B（0）+B（1）*X1+B（2）*X2+…+B（4）*X4采用多元线性回归

它们拟合得很好，但我担心我实际上想说的是特征可以预测Y，但是使用回归选择系数需要Y，这意味着它不是一个预测因子

k-折叠交叉验证是否可以作为一种验证方法

---

谢谢

我建议目视检查Y与X1、Y与X2等的散点图，以确保关系是线性的，或者如果在图上可以看到其他明显类型的关系。这有助于确保您没有错过一些明显的非线性关系，例如指数。谢谢您的建议！现在我想再问几个问题，但是评论区不允许我写得更长，所以我编辑了这篇文章。如果你能给我更多的意见，我将不胜感激。你是对的，X1，X2，X3，X4在回归建立的数学模型中被用来预测Y。该模型的一个度量是问，“Y中的方差有多少是由该模型解释的？”我通过计算R平方（R2）作为“R2=1.0-（绝对误差方差/Y方差）”来实现这一点。如果R2值为0,50，您的模型将解释Y中50%的方差。如果R2值为0.99，则您的模型将解释Y中99%的方差。拟合优度有许多统计度量，并且R平方在回归分析中使用非常广泛。我感谢您的评论。我将首先计算R平方，然后搜索其他的。非常感谢。