Questions marquées «multicollinearity»

Situation où il existe une forte relation linéaire entre les variables prédictives, de sorte que leur matrice de corrélation devient (presque) singulière. Cette "mauvaise condition" rend difficile la détermination du rôle unique joué par chacun des prédicteurs: des problèmes d'estimation se posent et les erreurs types augmentent. Des prédicteurs corrélés bivariés très élevés sont un exemple de multicolinéarité.

2
Le codage des variables qualitatives en régression conduit à des «singularités»
J'ai une variable indépendante appelée "qualité"; cette variable a 3 modalités de réponse (mauvaise qualité; qualité moyenne; haute qualité). Je veux introduire cette variable indépendante dans ma régression linéaire multiple. Lorsque j'ai une variable indépendante binaire (variable fictive, je peux coder 0/ 1), il est facile de l'introduire dans un …
3
Quand peut-on parler de colinéarité
Dans les modèles linéaires, nous devons vérifier s'il existe une relation entre les variables explicatives. S'ils sont trop corrélés, il y a colinéarité (c'est-à-dire que les variables s'expliquent en partie). Je regarde actuellement la corrélation par paire entre chacune des variables explicatives. Question 1: Qu'est - ce qui qualifie trop …
1
Pourquoi cette régression N'échoue PAS en raison d'une parfaite multicolinéarité, bien qu'une variable soit une combinaison linéaire d'autres?
Aujourd'hui, je jouais avec un petit ensemble de données et j'ai effectué une régression OLS simple que je m'attendais à échouer en raison d'une parfaite multicolinéarité. Mais ce ne fut pas le cas. Cela implique que ma compréhension de la multicolinéarité est fausse. Ma question est: où je me trompe? …
1
Quelle est l'intuition derrière les échantillons échangeables sous l'hypothèse nulle?
Les tests de permutation (également appelés test de randomisation, test de re-randomisation ou test exact) sont très utiles et s'avèrent utiles lorsque l'hypothèse de distribution normale requise par exemple t-testn'est pas remplie et lorsque la transformation des valeurs par classement des un test non paramétrique comme Mann-Whitney-U-testcela entraînerait la perte …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
2
VIF, indice de condition et valeurs propres
J'évalue actuellement la multicolinéarité dans mes jeux de données. Quelles valeurs seuil de VIF et indice de condition en dessous / au-dessus suggèrent un problème? VIF: J'ai entendu dire que VIF est un problème.≥ 10≥dix\geq 10 Après avoir supprimé deux variables problématiques, VIF est pour chaque variable. Les variables nécessitent-elles …
4
Faut-il se préoccuper de la multi-colinéarité lors de l'utilisation de modèles non linéaires?
Supposons que nous ayons un problème de classification binaire avec des fonctionnalités principalement catégorielles. Nous utilisons un modèle non linéaire (par exemple XGBoost ou Random Forests) pour l'apprendre. Faut-il encore se préoccuper de la multi-colinéarité? Pourquoi? Si la réponse à ce qui précède est vraie, comment la combattre si l'on …
2
Régression linéaire lorsque vous ne connaissez que
Supposons que Xβ=YXβ=YX\beta =Y . Nous ne savons pas YYY exactement, que sa corrélation avec chaque facteur prédictif, XtYXtYX^\mathrm{t}Y . La solution des moindres carrés ordinaires (OLS) est β=(XtX)−1XtYβ=(XtX)−1XtY\beta=(X^\mathrm{t} X)^{-1} X^\mathrm{t}Y et il n'y a pas de problème. Mais supposons que XtXXtXX^\mathrm{t}X soit proche du singulier (multicolinéarité), et vous devez …
2
Que sont les tests de blocs?
En réponse à une question sur la sélection des modèles en présence de multicolinéarité , Frank Harrell a suggéré : Mettez toutes les variables dans le modèle mais ne testez pas l'effet d'une variable ajustée pour les effets des variables concurrentes ... en compétition les uns contre les autres comme …
6
Multicolinéarité lorsque les régressions individuelles sont significatives, mais que les VIF sont faibles
J'ai 6 variables ( X1. . . X6x1...X6x_{1}...x_{6} ) que j'utilise pour prédire yyy . Lors de l'analyse de mes données, j'ai d'abord essayé une régression linéaire multiple. De là, seules deux variables étaient significatives. Cependant, lorsque j'ai effectué une régression linéaire comparant chaque variable individuellement à yyy , toutes …
3
Comment gérer des estimations
Stabilité bêta en régression linéaire avec multi-colinéarité élevée? Disons que dans une régression linéaire, les variables et x 2 ont une multi-colinéarité élevée (la corrélation est d'environ 0,9).X1x1x_1X2x2x_2 Nous sommes préoccupés par la stabilité du coefficient , nous devons donc traiter la multi-colinéarité.ββ\beta La solution du manuel serait de simplement …
2
Faire face à la multicolinéarité
J'ai appris qu'en utilisant la vif()méthode du carpackage, nous pouvons calculer le degré de multicolinéarité des entrées dans un modèle. D'après wikipedia , si la vifvaleur est supérieure à celle-ci, 5nous pouvons considérer que l'entrée souffre d'un problème de multicolinéarité. Par exemple, j'ai développé un modèle de régression linéaire en …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.