Der Varianzinflationsfaktor (VIF) quantifiziert den Schweregrad der Multikollinearität in einer gewöhnlichen Regressionsanalyse der kleinsten Quadrate. Es liefert einen Index, der misst, um wie viel die Varianz (das Quadrat der Standardabweichung der Schätzung) eines geschätzten Regressionskoeffizienten aufgrund der Kollinearität erhöht wird.
In der traditionellen Statistik wird beim Erstellen eines Modells die Multikollinearität mithilfe von Methoden wie Schätzungen des Varianzinflationsfaktors (VIF) überprüft. Beim maschinellen Lernen wird jedoch stattdessen die Regularisierung für die Featureauswahl verwendet, und es scheint nicht zu...
Ich versuche, Varianzinflationsfaktoren mithilfe der vifFunktion im R-Paket zu interpretieren car. Die Funktion druckt sowohl eine verallgemeinerte und auch GVIF 1 / ( 2 ⋅ df ) . Laut der Hilfedatei dieser letztere WertVIFVIF\text{VIF}GVIF1/(2⋅df)GVIF1/(2⋅df)\text{GVIF}^{1/(2\cdot\text{df})} Um...
Ich habe eine Regression für US-Grafschaften durchgeführt und überprüfe die Kollinearität meiner "unabhängigen" Variablen. Belsley, Kuh und Welschs Regressionsdiagnostik schlagen vor, den Bedingungsindex und die Varianzzerlegungsproportionen zu untersuchen: library(perturb) ## colldiag(,...
Derzeit bewerte ich die Multikollinearität in meinen Datensätzen. Welche Schwellenwerte von VIF und Zustandsindex unter / über deuten auf ein Problem hin? VIF: Ich habe gehört, dass VIF ein Problem ist.≥ 10≥10\geq 10 Nach dem Entfernen von zwei Problemvariablen beträgt VIF für jede Variable ....
Ich habe 6 Variablen ( ), die ich verwende, um vorherzusagen . Bei meiner Datenanalyse habe ich zuerst eine multiple lineare Regression versucht. Davon waren nur zwei Variablen signifikant. Wenn ich jedoch eine lineare Regression durchführte, bei der jede Variable einzeln mit verglichen wurde ,...
Ich möchte feststellen, ob Kollinearität ein Problem in meiner OLS-Regression ist. Ich verstehe, dass Varianzinflationsfaktoren und der Zustandsindex zwei häufig verwendete Messgrößen sind, finde es jedoch schwierig, etwas Bestimmtes in Bezug auf die Vorzüge jedes Ansatzes oder die Höhe der...
In der üblichen VIF Berechnung für eine lineare Regression, die jeweils unabhängig / erklärende Variable wird als abhängige Variable in einem gewöhnlichen Regression der kleinsten Quadrate behandelt. dhXjXjX_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...
Nach einer zuvor gestellten Frage können die Varianzinflationsfaktoren (VIFs) ausgedrückt werden als ist die skalierte Version vonVIFj=Var(b^j)σ2=[w′jwj−w′jW−j(W′−jW−j)−1W′−jwj]−1VIFj=Var(b^j)σ2=[wj′wj−wj′W−j(W−j′W−j)−1W−j′wj]−1 \textrm{VIF}_j = \frac{\textrm{Var}(\hat{b}_j)}{\sigma^2}...
Immerhin berechnen wir das VIF mit 1 / ( 1 -R.2j)1/(1−Rj2)1/(1-R_j^2). Ein VIF von555 entspricht einem R.2J.RJ2R_J^2 von 0,80.80.8. Für mich sind die Informationen vonR.2jRj2R_j^2wird nur dunkler, wenn ich die VIF-Formel anwende. Warum kann ich nicht einfach verwendenR.2jRj2R_j^2 Multikollinearität...
Ich verwende ein negatives Binomialmodell und eine meiner Prädiktorvariablen ist eine Zählvariable. Da diese Variable stark verzerrt war, habe ich beschlossen, sie logarithmisch zu transformieren. Es wird jedoch angenommen, dass der Effekt dieser Variablen nicht linear ist. Sobald ich jedoch den...