问线性回归将权重解释为对预测的影响？

EN

在一个基本的线性回归中，我能用每个解释变量的权重来描述它们对预测值的相对影响吗？如果参数A的权重为100，参数B的权重为10，我是否可以说参数A对结果的影响是参数B的10倍？区块报价

有点是的。准确地说，如果A变化一个单位，结果将平均变化100倍(而B被冻结，因为它是一个多元线性回归->，您有多个自变量)。

有大量的例子和博客解释它，例如，参见这里。此外，您还可以通过一些统计检验来更多地分析您的回归模型，比如使用方差通货膨胀因子来确定变量是如何关联的，并估计统计显着性(p值，F检验)，这是一个非常好的简介。

一个例子:从一个天气数据集，我使用两个参数，湿度和压力，以作出温度预测。

我不认为你的分析有任何问题。正如你所说，在你的图中，以及通过你的-.32386重量，你看到了湿度和温度之间的反比关系。虽然压力的-.02219重量几乎为零，而且可以忽略不计，但很明显，压力-温度之间不会有这样的关系。

我认为你的分析有点过于简单化了。比较两个参数的值是没有意义的，因为不同的参数可能有不同的维度，通过比较不同尺寸的参数，你可以说相当于:这个建筑的高度比这辆车的重量高两倍。

这个问题问了一个类似的问题，对我来说，最合理的选择是使用缩放变量(是无量纲的)，而不是具有维度的测量变量。