Интерпретация Алиас тестирование таблицы мультиколлинеарности модели в R

голоса
0

Может кто-то помочь мне интерпретировать выходные функции псевдонима для тестирования для мультиколлинеарности в модели множественной регрессии. Я знаю, что некоторые предикторы в моей модели тесно связаны, и я хочу, чтобы идентифицировать их с помощью таблицы псевдонимов.

Model :
Score ~ Comments + Pros + Cons + Advice + Response + Value + Recommendation 
+ 6Months + 12Months + 2Years + 3Years + Daily + Weekly + Monthly

Complete :
            (Intercept) Comments Pros Cons Advice Response Value1
UseMonthly1      0           0    0    0    0      0          0                
             Recommendation1 6Months1 12Months1 2Years1
UseMonthly1   0               1        1       1             
             3Years1 Daily1 Weekly1
UseMonthly1  1         -1        -1    

Значение, рекомендация, 6Months, 12мес, 2года, 3years, ежедневно, еженедельно и ежемесячно представляют собой бинарные категориальные переменные.
Оценка, комментарии, Pros, Cons, консультации и ответ числовые переменные.

Могу ли я предполагаю, что UseMonthly сильно коррелирует с 6Months, 12мес, 2года, 3years, ежедневно, еженедельно? В чем разница между значениями 1 и -1 на выходе псевдонима? Это положительная и отрицательная корреляция?

Задан 26/07/2017 в 12:43
источник пользователем
На других языках...                            


1 ответов

голоса
0

Ненулевые записи в «полной» матрицы показывают , что эти термины линейно зависит от UseMonthly. Это означает , что они тесно связаны, но сроки могут сильно коррелировать без линейно зависимы.

Если ваша цель состоит в том, чтобы выявить и устранить коррелированные переменные, вы должны удалить UseMonthly, но вы , вероятно , также хотите , чтобы удалить другие , а также. Обычный способ идентификации переменных , которые могут быть проблематичными по отношению к мультиколлинеарности является поиск больших факторов дисперсии инфляции (рассчитанных , например car::vif).

Ответил 30/08/2017 в 23:00
источник пользователем

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more