如何在R语言中基于样本方差设置加权线性回归模型？

你当前代码的问题在于：

• weights=1/x中的x对象未定义，R无法识别
• 权重逻辑错误：加权最小二乘要求权重为每个观测组样本方差的倒数，而非随意变量的倒数

关键前提：需要完整的重复实验数据 #

你提到每个因子设置下投掷三次，但目前只提供了每个组的单个y值（应为均值）。要计算样本方差作为权重，必须先有每个组三次投掷的原始y数据。以下是完整实现步骤：

步骤1：构造包含重复实验的数据框

补全每个组的三次原始投掷数据（请替换为你的真实实验数据）：

# 因子变量：每个组合重复3次
x1 <- rep(c(-1,-1,-1,-1,1,1,1,1), each = 3)
x2 <- rep(c(-1,-1,1,1,-1,-1,1,1), each = 3)
x3 <- rep(c(-1,1,-1,1,-1,1,-1,1), each = 3)
x4 <- rep(c(-1,1,1,-1,1,-1,-1,1), each = 3)

# 对应每个组的三次投掷距离（示例数据，替换为真实值）
y <- c(27,28,29, 
       45,46.3,47.6, 
       21,21.9,22.8, 
       52,52.9,53.8, 
       74,75,76, 
       127,127.7,128.4, 
       85,86.2,87.4, 
       194,195,196)

# 整理为数据框
dat <- data.frame(x1, x2, x3, x4, y)

步骤2：计算每个组的样本方差

使用dplyr分组计算方差（未安装则先运行install.packages("dplyr")）：

library(dplyr)

# 分组计算每个因子组合的样本方差
var_groups <- dat %>%
  group_by(x1, x2, x3, x4) %>%
  summarise(var_y = var(y), .groups = "drop")

# 将方差合并回原数据框
dat <- left_join(dat, var_groups, by = c("x1", "x2", "x3", "x4"))

步骤3：拟合加权最小二乘模型

权重设置为样本方差的倒数：

# 拟合WLS模型
wls_model <- lm(y ~ x1 + x2 + x3 + x4, data = dat, weights = 1/var_y)

# 查看模型结果
summary(wls_model)

若仅能获取组均值数据 #

如果无法获取原始重复数据，无法计算样本方差，只能拟合普通最小二乘模型：

# 基于均值数据的OLS模型
ols_model <- lm(y ~ x1 + x2 + x3 + x4, 
                data = data.frame(x1, x2, x3, x4, y))
summary(ols_model)

内容的提问来源于stack exchange，提问作者Hermi