伍立志 杨 文 贾孝霞 沈其君△

线性模型中自变量相对重要性常见估计方法的模拟比较研究*

伍立志1杨 文2贾孝霞3沈其君2△

目的 比较和评价不同实验条件下常见估计方法在估计自变量相对重要性时的指标差异，探索影响各方法的估计结果差异的因素。方法 通过设置不同相关程度、自变量共线性水平及自变量个数等因子，使用改进后的大规模模拟研究观察不同方法间自变量估计值。结果 优势分析、相对权重、乘积尺度的重要性估计值之和与模型R2之差，小于标准回归系数平方、简单相关系数平方。在2400个重要性指标值中，乘积尺度法估计的负值达到229个(9.54%)。相关系数平方估计值小于优势分析法。标准回归系数平方出现较多极端值。自变量间共线性水平可解释平均Kendallτ值4%～25%的变异，样本量可解释20%～77%的变异，而自变量个数可解释14%～60%的变异。结论 对自变量重要性估计结果的影响最大的两个因子是样本量和自变量个数，其次有共线性水平和自变量与因变量间的相关程度。标准回归系数平方的估计结果变异性最大，相对权重与优势分析的估计结果是相对“有偏”的。

线性模型 相对重要性 方法比较 模拟研究

在评价线性回归模型中自变量的相对重要性时，常用的方法包括简单相关系数平方、标准回归系数[1-2]等。当针对自变量间存在共线性的情况，研究者先后提出了乘积尺度法、优势分析法及相对权重法。国外相关研究[3-4]均发现优势分析和相对权重虽理论基础不同，得到的重要性估计结果却非常相近。……