«multicollinearity» 태그된 질문

이 위키에서는 다중 공선 성 이 선형 회귀 문제 일 때 발생하는 문제에 대해 설명합니다 . 기본 문제는 다중 공선 성으로 인해 모수 추정값이 불안정하여 종속 변수에 대한 독립 변수의 영향을 평가하기가 매우 어렵다는 것입니다. 내가 문제 뒤에있는 기술적 인 이유를 이해 (반전 할 수 없습니다 , 악조건의 등) 그러나 …

85 regression  intuition  multicollinearity 

다중 선형 회귀 분석에서 왜 유의 한 F 통계량 (p <.001)을 가질 수 있지만 모든 회귀 분석에서 t- 값이 매우 높은가? 내 모델에는 10 개의 회귀자가 있습니다. 하나는 p- 값이 0.1이고 나머지는 0.9 이상입니다. 이 문제를 해결 하려면 다음 질문을 참조하십시오 .

70 hypothesis-testing  regression  t-test  multicollinearity 

다른 행렬 (주로 로지스틱 회귀 분석)에서 일부 계산을 수행하고 있으며 일반적으로 "매트릭스가 단수입니다"라는 오류가 발생합니다. 여기서 돌아가서 상관 변수를 제거해야합니다. 내 질문은 "높은"상관 매트릭스를 무엇이라고 생각합니까? 이 단어를 나타내는 상관의 임계 값이 있습니까? 변수가 다른 변수와 상관 관계가 0.97 인 것처럼, 이것은 행렬을 특이하게 만들기에 충분한 "높음"입니까? 질문이 매우 기본적이라면 …

66 regression  correlation  matrix  multicollinearity  singular 

선형 모델 클래스에서 두 예측 변수가 서로 연관되어 있고 두 예측 변수가 모두 모형에 포함되면 하나는 중요하지 않다는 것을 알게되었습니다. 예를 들어, 집의 크기와 침실 수가 서로 연관되어 있다고 가정하십시오. 이 두 예측 변수를 사용하여 주택 비용을 예측할 때 둘 다 동일한 정보를 많이 제공하기 때문에 그 중 하나를 삭제할 …

45 regression  multiple-regression  p-value  linear-model  multicollinearity 

기존 통계에서는 모형을 작성하는 동안 분산 팽창 계수 (VIF) 추정값과 같은 방법을 사용하여 다중 공선 성을 검사하지만 기계 학습에서는 피쳐 선택에 정규화를 사용하고 피쳐가 상관되어 있는지 확인하지 않는 것 같습니다. 조금도. 왜 그렇게합니까?

44 regression  machine-learning  multicollinearity  regularization  vif 

내 이해에서, 상관 관계가 높은 변수는 임의 포리스트 모델에서 다중 공선 성 문제를 일으키지 않습니다 (잘못되면 수정하십시오). 그러나 다른 방법으로, 비슷한 정보를 포함하는 변수가 너무 많으면 다른 모델이 아닌이 세트에서 모델 가중치가 너무 커 집니까? 예를 들어, 동일한 예측 검정력을 가진 두 세트의 정보 (A, B)가 있습니다. 변수 , , …

32 random-forest  multicollinearity  ensemble 

vifR 패키지 의 함수를 사용하여 분산 인플레이션 요인을 해석하려고 합니다 car. 이 함수는 일반화 된 및 합니다. 도움말 파일 에 따르면 이 후자의 값은GVIF 1 / ( 2 ⋅ df )VIFVIF\text{VIF}GVIF1 / ( 2 ⋅ df )GVIF1/(2⋅df)\text{GVIF}^{1/(2\cdot\text{df})} 신뢰 타원체의 치수를 조정하기 위해이 함수는 GVIF ^ [1 / (2 * df)]도 …

30 r  multicollinearity  vif 

9 개의 연속 독립 변수가있는 데이터 세트가 있습니다. 모델을 단일 백분율 (종속) 변수에 맞추기 위해 이러한 변수 중에서 선택하려고합니다 Score. 불행히도, 나는 여러 변수 사이에 심각한 공선 성이 있음을 알고 있습니다. stepAIC()변수 선택을 위해 R 의 함수를 사용해 보았지만 그 방법은 변수가 방정식에 나열된 순서에 민감한 것 같습니다 ... 내 …

28 r  multiple-regression  feature-selection  multicollinearity 

비 선형 회귀 SAS Non Linear 에서 다음 링크를 읽었습니다 . 첫 번째 섹션 "Nonlinear Regression vs. Linear Regression"을 읽은 것을 이해하면 아래 방정식이 실제로 선형 회귀라는 것입니다. 맞습니까? 그렇다면 왜? y=b1x3+b2x2+b3x+cy=b1x3+b2x2+b3x+기음y = b_1x^3 + b_2x^2 + b_3x + c 비선형 회귀 분석에서 다중 공선 성이 문제가되지 않음을 이해하고 있습니까? …

27 regression  multiple-regression  nonlinear-regression  multicollinearity 

나는 미국 카운티에 대해 회귀 분석을 수행했으며 '독립적 인'변수에서 공선 성을 검사하고 있습니다. Belsley, Kuh 및 Welsch의 회귀 진단 에서는 조건 지수 및 분산 분해 비율을 살펴볼 것을 제안합니다. library(perturb) ## colldiag(, scale=TRUE) for model with interaction Condition Index Variance Decomposition Proportions (Intercept) inc09_10k unins09 sqmi_log pop10_perSqmi_log phys_per100k nppa_per100k black10_pct …

26 r  multicollinearity  vif  variance-decomposition 

현재 혼합 효과 선형 모델을 사용하고 있습니다. R에서 "lme4"패키지를 사용하고 있습니다. 내 모델은 다음과 같은 형식을 취합니다. model <- lmer(response ~ predictor1 + predictor2 + (1 | random effect)) 모형을 실행하기 전에 예측 변수 간의 가능한 다중 공선 성을 확인했습니다. 나는 이것을함으로써 이것을했다 : 예측 변수의 데이터 프레임 만들기 dummy_df …

25 r  correlation  mixed-model  lme4-nlme  multicollinearity 

회귀 상황에서 상관 관계가 높은 변수 세트가있는 경우 추정 계수의 불안정성으로 인해 일반적으로 "나쁜"것이라는 것을 알고 있습니다 (결정자는 0에 가까워짐에 따라 분산이 무한대로 진행됩니다). 내 질문은이 "나쁜 점"이 PCA 상황에서 지속되는지 여부입니다. 공분산 행렬이 특이 해짐에 따라 특정 PC의 계수 / 부하 / 무게 / 고유 벡터가 불안정하거나 임의 / …

25 pca  multicollinearity 

상관 관계가 높은 회귀 분석을 사용한 다중 선형 회귀 분석에서 가장 적합한 전략은 무엇입니까? 상관 된 모든 회귀 변수를 곱하는 합법적 인 접근 방법입니까?

23 regression  multicollinearity 

많은 입력 변수로 작업 할 때 종종 다중 공선 성이 중요 합니다. 다중 공선 성을 감지, 생각 및 / 또는 전달하는 데 사용되는 다중 공선 성 측정에는 여러 가지가 있습니다. 몇 가지 일반적인 권장 사항은 다음과 같습니다. 특정 변수에 대한 다중아르 자형2j아르 자형j2R^2_j 특정 변수에 대한 공차1 - R2j1−아르 자형j21-R^2_j …

22 multicollinearity 

다음과 같은 기사에서 참조를 찾았습니다. Tabachnick & Fidell (1996)에 따르면 이변 량 상관 관계가 .70보다 큰 독립 변수는 다중 회귀 분석에 포함되지 않아야합니다. 문제 : 다중 회귀 설계에서 3 개의 변수 상관 관계인> .80, VIF와 약 .2-.3, 공차 ~ 4-5를 사용했습니다. (중요 예측 변수 및 결과) 이들 중 어느 것도 …

18 correlation  multiple-regression  multicollinearity  partial-correlation