일반화 된 가산 모델에 대한 분산 팽창 계수


10

선형 회귀에 대한 일반적인 VIF 계산에서 각 독립 / 설명 변수 는 보통 최소 제곱 회귀 분석에서 종속 변수로 처리됩니다. 즉엑스제이

엑스제이=β0+나는=1,나는제이β나는엑스나는

값이 각각 저장되는 회귀 및 VIF 의해 결정 n아르 자형2

V나는에프제이=11아르 자형제이2

특정 설명 변수의 경우

일반화 추가 모델이 형식을 취한다고 가정 해 봅시다

와이=β0+나는=1β나는엑스나는+제이=1미디엄에스제이(엑스나는).

이 유형의 모델에 대해 동등한 VIF 계산이 있습니까? 다중 을 테스트하기 위해 부드러운 항 를 제어 할 수있는 방법이 있습니까?에스제이

답변:


1

r corvif()에는 AED패키지 에서 찾을 수 있는 기능 이 있습니다 . 예와 참고 문헌은 Zuur et al. R pp. 386-387을 사용한 생태학의 혼합 효과 모델 및 확장. 패키지 코드는 서적 웹 사이트 http://www.highstat.com/book2.htm에서 제공 됩니다.


8
당신이 수학의 일부를 답장하면 내 투표를 얻을 수 있습니다. :)
Alexis

8
@Alexis가 맞습니다. 이것은 유용하지만 질문은 R 코드를 요구하지 않습니다. VIF를 GAM에 적용하는 개념을 개념적으로 설명 할 수 있습니까?
gung-복원 Monica Monica
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.