计算自变量在解释线性回归中因变量方差中的重要性答案

【问题标题】：Calculating importance of independent variable in explaining variance of dependent variable in linear regression计算自变量在解释线性回归中因变量方差中的重要性
【发布时间】：2018-08-14 12:51:48
【问题描述】：

我正在从事一个媒体混合建模 (MMM) 项目，我必须在该项目中构建线性模型，以预测将各种支出中的流量因素作为输入变量。我得到了线性模型方程：

Traffic = 1918 + 0.08*TV_Spend + 0.01*Print_Spend + 0.05*Display_spend

我想计算两件我不知道该怎么做的事情：

每个变量对解释流量变化的贡献有多大？
每个自变量占总流量的百分比是多少？

【问题讨论】：

我运行了上述两个命令，但是如何解释和使用结果以达到预期的结果。请帮忙。

标签： r linear-regression analysis

【解决方案1】：

我认为这个问题已经在几个地方得到了多次回答（重复？）；

例如看：

https://stats.stackexchange.com/questions/79399/calculate-variance-explained-by-each-predictor-in-multiple-regression-using-r

您可能还想计算标准化回归系数（首先标准化变量，然后重新运行回归分析）以找出哪个自变量对因变量的影响最大（如果显着，我想添加）。我认为标准化回归权重的解释比考虑解释的方差更直观。

干杯，彼得

【讨论】：