일반화 된 가산 모델에 대한 분산 팽창 계수

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

{엑스}_{제이} = β_{0} + \sum_{나는 = 1, 나는 \neq 제이}^{엔} β_{나는} {엑스}_{나는}

$X_j = \beta_0 + \sum_{i=1, i \neq j}^n \beta_i X_i$

값이 각각 저장되는 회귀 및 VIF 의해 결정 $R^2$ $n$

V 나는 {에프}_{제이} = \frac{1}{1 - {아르 자형}_{제이}^{2}}

$VIF_j = \frac{1}{1-R^2_j}$

특정 설명 변수의 경우

일반화 추가 모델이 형식을 취한다고 가정 해 봅시다

와이 = β_{0} + \sum_{나는 = 1}^{엔} β_{나는} {엑스}_{나는} + \sum_{제이 = 1}^{미디엄} {에스}_{제이} ({엑스}_{나는}) .

$Y=\beta_0+ \sum_{i=1}^n \beta_iX_i + \sum_{j=1}^m s_j(X_i) .$

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

— 망설임
소스

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.

— kpurcell
소스

당신이 수학의 일부를 답장하면 내 투표를 얻을 수 있습니다. :)

— Alexis

@Alexis가 맞습니다. 이것은 유용하지만 질문은 R 코드를 요구하지 않습니다. VIF를 GAM에 적용하는 개념을 개념적으로 설명 할 수 있습니까?

— gung-복원 Monica Monica