问题标签 [multicollinearity]

我正在阅读文档以了解确定系数，从文档中我了解到确定系数不过是 R x R（相关系数）

所以我从 kaggle.com 获取房价数据集并开始尝试以更好地理解，这是我的代码

取相关系数

现在，像这样取确定系数

为此，我得到了值-0.9413195412943647

理想情况下不应该是0.060531252961吗？如-0.246031 x -0.246031 = 0.060531252961

我了解当模型为Y = X β + ϵ 时，如何计算 β 的岭估计量的偏差和方差。但我有模型Y = X ^t β + ϵ。我不明白这样的模型是否有意义，有人可以帮助我吗？如果是，如何推导出 β 的岭估计量的偏差和方差？

谢谢！

我正在尝试使用nnet::multinom(). 我有 2 个自变量（从 0 到 10 的数字）和一个因变量（具有 4 个级别 1、2、3、4 的因子）。

vif()问题是，当使用from 函数检查多重共线性时car，我收到以下警告：

Warning message: No intercept: vifs may not be sensible.

这是一些示例代码：

输出：

这给出了合理的值，但是根据我的实际数据，它们的范围从 2.289297e^1 到 5.609178e^15。

有什么建议吗？我不明白没有拦截的消息，因为我认为拦截会自动在模型中，除非您将其删除。

我只用一个 IV 运行线性回归。当我使用 statsmodels 以常数运行回归时，我收到多重共线性警告。在这里搜索后，我可以看到这可能是一个扩展问题。系数是

我的问题是如何处理缩放，它是否像缩放 IV 一样简单，例如将其缩放 100

或者最好不要标准化IV

我想使用 vif() 检查我的 lm 模型中变量的多重共线性。

它抛出错误，因此我无法使用：

我曾多次尝试安装“汽车”包。它给出了一些警告，如下所示：

请建议如何使用 R 中的汽车包解决此问题。

另外，请建议是否有任何替代函数vif()可以在 R Studio 中用于我的 lm 模型中变量的多重共线性。

我正在尝试在 Python 中使用 rpy2（R 语言的 Python 接口）调用 R 的 mass.polr 函数来执行序数逻辑回归。但是，当我的预测变量中有一些共线或几乎共线的列时，我遇到了麻烦：mass.polr 在拟合期间会自动丢弃其中一些列，这在我尝试对训练数据进行预测时会导致错误。

这是一个最小的例子：

同样的错误实际上也发生在 R 中，但我至少可以通过查看summary(model).

相反，在 Python 中r.summary(model).rx2('coefficients')（应该显示与 R 中相同的输出summary(model)）不显示系数名称，而只是显示裸值：

有谁知道在 Python 中检索系数名称的方法？或者还有其他解决方法吗？

我正在运行一个序数回归模型。我有 8 个解释变量，其中 4 个是分类变量（'0'或'1'），其中 4 个是连续的。事先我想确保没有多重共线性，所以我使用方差膨胀因子（汽车包中的vif函数）：

但我得到一个变量的 VIF 值为 125，以及以下警告：

警告消息：在 vif.default(mod1) 中：无拦截：vifs 可能不明智。

但是，当我将因变量转换为数字（而不是因子）时，并使用线性模型做同样的事情：

这次所有的 VIF 值都低于 3，表明不存在多重共线性。

我对vif功能感到困惑。它如何返回一个模型的 VIF > 100 和另一个模型的低 VIF？我应该坚持第二个结果并仍然做一个序数模型吗？

在 Stata 中，我最近发现，当我在一个回归模型中跨多个交互项使用相同的变量时，Stata 会将该变量标记为共线性。例如，运行：

regress dep i.gender##c.age i.ethnicity##c.age

标记以下消息：

note: age omitted because of collinearity

年龄仍然包含在随后的回归表中，但有两次，第一次是一个系数，SE 等，正如人们所期望的那样，但第二次是omitted。

我以前做过很多次类似的分析，但从未有过（或至少从未注意到）。这很不和谐，因为不言而喻，年龄与自身共线。但这无关紧要，因为我并没有试图同时输入两个名为“年龄”的变量。很明显，这是我在两个交互术语中使用的一个变量。有没有其他人遇到过这种情况，他们知道抑制它的方法吗？

我正在运行一个线性回归模型。我有 33 个连续的解释变量。线性回归的结果是：

可能存在多重共线性，所以我使用了 vif() 和 alias()。然而， vif() 返回了 NAN，而 alias 只返回了模型：

我是 R 新手，谁能解释一下并帮我选择变量？

我正在使用R 中 usdm 包中的vifcor和vifstep函数来检测多重共线性。我的理解vifcor是，例如，如果我将阈值设为 0.9，它应该给我所有 vif 值 <= 9 的变量。但结果显示出更高的值（39 等）。

那么它究竟是如何工作的，它与 vif 值有什么关系呢？