溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
小編給大家分享一下R語言如何實現檢驗多重共線性的操作，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！
df<-data.frame() df_cor=cor(df) kappa(df_cor, exact=T)
當 κ<100κ<100 , 說明共線性程度小；
當 100<κ<1000100<κ<1000 , 有較強的多重共線性；
當 κ>1000κ>1000，存在嚴重的多重共線性。
x<-matrix() qr(x)$rank
qr(X)$rank 計算X矩陣的秩，如果不是滿秩的，說明其中有xixi可以用其他xjxj的線性組合表示；此時可以進行逐步回歸，用step()命令。
fm<-lm() step(fm)
補充：多重共線性的產生原因、判別、檢驗、解決方法
最近做回歸分析，出現了相關系數與回歸方程系數符號相反的問題，經過研究，確認是多重共線性問題并探索了解決方法。
在此將多重共線性的相關知識整理如下。
解釋變量理論上的高度相關與觀測值高度相關沒有必然關系，有可能兩個解釋變量理論上高度相關，但觀測值未必高度相關，反之亦然。所以多重共線性本質上是數據問題。
1、解釋變量都享有共同的時間趨勢；
2、一個解釋變量是另一個的滯后，二者往往遵循一個趨勢；
3、由于數據收集的基礎不夠寬，某些解釋變量可能會一起變動；
4、某些解釋變量間存在某種近似的線性關系；
1、發現系數估計值的符號不對；
2、某些重要的解釋變量t值低，而R方不低
3、當一不太重要的解釋變量被刪除后，回歸結果顯著變化；
1、相關性分析，相關系數高于0.8，表明存在多重共線性；但相關系數低，并不能表示不存在多重共線性；
2、vif檢驗；
3、條件系數檢驗；
1、增加數據；
2、對模型施加某些約束條件；
3、刪除一個或幾個共線變量；
4、將模型適當變形；
5、主成分回歸
1、 多重共線性是普遍存在的，輕微的多重共線性問題可不采取措施；
2、 嚴重的多重共線性問題，一般可根據經驗或通過分析回歸結果發現。如影響系數符號，重要的解釋變量t值很低。要根據不同情況采取必要措施。
3、 如果模型僅用于預測，則只要擬合程度好，可不處理多重共線性問題，存在多重共線性的模型用于預測時，往往不影響預測結果；
看完了這篇文章，相信你對“R語言如何實現檢驗多重共線性的操作”有了一定的了解，如果想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
