创建函数的最小数据数是多少？

Question

我要介绍这样的问题：

比方说，有些人有不同的能力/技能。这些能力/技能取决于环境:地板的性质、天气温度、风速。我想学习的能力/技能是个人考虑环境的速度。

正如你所知，速度取决于距离，不仅是因为公式distance/time unit，而且因为即使是Usain也不能再现100米和200米的相同速度，实际上他的平均速度随着距离的增加而减小，环境的变量作为常数。这就是为什么我不能仅仅用平均速度来总结它是否更适应。

因此，由于因素是可变的/做变化的，我想用边际效应隔离，并得出结论:地板的什么性质对这个人来说更好，什么距离更好(Usain不是为了耐力而做的)。要做到这一点，我想使用线性回归，这是更简单的衍生。

主要的问题是我的数据并不总是那么具有历史意义。这往往是因为以前的经验不超过5-6次.

所以，当我在高中时，有一条经验法则告诉我们，我们至少需要5分才能完成一个函数(用OLS)。知道我年纪大了，有了更多的经验，我怀疑这个小小的门槛。但我没有足够的经验去知道这个门槛到底是什么。你知不知道？

Answer 1

有两个问题：

• 线性回归可能很容易计算，但并不确定变量之间的关系实际上是线性的。如果不是，有时这种简化是可以的，因为没有太多的变化，但有时是完全错误的。
• 没有对每种情况有效的一般最小实例数。一般来说，一个人想要表达的关系越复杂，他就需要越多的实例。

我建议你从绘制你的数据开始:可视化变量之间的关系应该告诉你线性回归是否是一个好的选择，看到你的观点有多分散应该告诉你是否有足够的实例。