Là việc mô tả lại một mô hình hồi quy tuyến tính đa biến như một hồi quy tuyến tính đa biến hoàn toàn tương đương? Tôi không đề cập đến chỉ đơn giản là chạy hồi quy riêng biệt.
Tôi đã đọc điều này ở một vài nơi (Phân tích dữ liệu Bayes - Gelman và cộng sự, và Trường học cũ đa biến - Marden) rằng một mô hình tuyến tính đa biến có thể dễ dàng được xác định lại dưới dạng hồi quy bội. Tuy nhiên, không có nguồn nào chi tiết về điều này cả. Về cơ bản họ chỉ đề cập đến nó, sau đó tiếp tục sử dụng mô hình đa biến. Về mặt toán học, tôi sẽ viết phiên bản đa biến trước tiên,
Để xác định lại tham số này là hồi quy tuyến tính đa biến quen thuộc, người ta chỉ cần viết lại các biến là:
trong đó các tham số lại được sử dụng là , và . có nghĩa là các hàng của ma trận được sắp xếp từ đầu đến cuối thành một vectơ dài và là kronecker, hoặc bên ngoài, sản phẩm.
Vì vậy, nếu điều này là dễ dàng, tại sao phải viết sách về các mô hình đa biến, kiểm tra số liệu thống kê cho họ, vv? Hiệu quả nhất là chỉ cần biến đổi các biến đầu tiên và sử dụng các kỹ thuật đơn biến phổ biến. Tôi chắc chắn có một lý do chính đáng, tôi chỉ gặp khó khăn khi nghĩ về một, ít nhất là trong trường hợp của một mô hình tuyến tính. Có các tình huống với mô hình tuyến tính đa biến và các lỗi ngẫu nhiên phân phối thông thường trong đó việc áp dụng lại thông số này không áp dụng hoặc giới hạn các khả năng phân tích mà bạn có thể thực hiện không?
Các nguồn tôi đã thấy điều này: Marden - Thống kê đa biến: Trường học cũ. Xem phần 5.3 - 5.5. Cuốn sách có sẵn miễn phí từ: http://istic.net/stat/
Gelman và cộng sự. - Phân tích dữ liệu Bayes. Tôi có phiên bản thứ hai, và trong phiên bản này có một đoạn nhỏ trong Ch. 19 'Mô hình hồi quy đa biến' có tiêu đề: "Mô hình hồi quy đơn biến tương đương"
Về cơ bản, bạn có thể làm mọi thứ với mô hình hồi quy đơn biến tuyến tính tương đương mà bạn có thể làm với mô hình đa biến không? Nếu vậy, tại sao lại phát triển các phương thức cho các mô hình tuyến tính đa biến?
Còn với phương pháp Bayes thì sao?