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.

1
Interprétation des proportions qui totalisent un en tant que variables indépendantes dans la régression linéaire
Je connais le concept de variables catégorielles et le codage des variables fictives respectif qui nous permet d'ajuster un niveau comme ligne de base afin d'éviter la colinéarité. Je suis également familier avec la façon d'interpréter les estimations de paramètres à partir de ces modèles: le changement prévu dans le …
2
Interprétation de la matrice de variance-covariance
Supposons que nous avons un modèle linéaire Model1et vcov(Model1)donne la matrice suivante: (Intercept) latitude sea.distance altitude (Intercept) 28.898100 -23.6439000 -34.1523000 0.50790600 latitude -23.643900 19.7032500 28.4602500 -0.42471450 sea.distance -34.152300 28.4602500 42.4714500 -0.62612550 altitude 0.507906 -0.4247145 -0.6261255 0.00928242 Pour cet exemple, qu'est-ce que cette matrice affiche réellement? Quelles hypothèses pouvons-nous faire en …
1
Existe-t-il un problème avec la multicolinéarité et la régression des splines?
Lors de l'utilisation de splines cubiques naturelles (c'est-à-dire restreintes), les fonctions de base créées sont hautement colinéaires et, lorsqu'elles sont utilisées dans une régression, semblent produire des statistiques VIF (facteur d'inflation de variance) très élevées, signalant la multicolinéarité. Lorsque l'on considère le cas d'un modèle à des fins de prédiction, …
2
Comment commencer à construire un modèle de régression lorsque le prédicteur le plus fortement associé est binaire
J'ai un ensemble de données contenant 365 observations de trois variables à savoir pm, tempet rain. Maintenant, je veux vérifier le comportement de la pmréponse aux changements dans les deux autres variables. Mes variables sont: pm10 = Réponse (dépendante) temp = prédicteur (indépendant) rain = prédicteur (indépendant) Voici la matrice …
5
Que faire des variables colinéaires
Avertissement: Ceci est pour un projet de devoirs. J'essaie de trouver le meilleur modèle pour les prix des diamants, en fonction de plusieurs variables et je semble avoir un assez bon modèle jusqu'à présent. Cependant, j'ai rencontré deux variables qui sont évidemment colinéaires: >with(diamonds, cor(data.frame(Table, Depth, Carat.Weight))) Table Depth Carat.Weight …
1
Facteur d'inflation de la variance pour les modèles additifs généralisés
Dans le calcul VIF habituel pour une régression linéaire, chaque variable indépendante / explicative est traitée comme la variable dépendante dans une régression des moindres carrés ordinaires. c'est à direXjXjX_j Xj=β0+∑i=1,i≠jnβiXiXj=β0+∑i=1,i≠jnβiXi X_j = \beta_0 + \sum_{i=1, i \neq j}^n \beta_i X_i Les valeurs sont stockées pour chacune des régressions et …
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.