Als «vif» getaggte Fragen

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.

6
Warum wird Multikollinearität in der modernen Statistik / im maschinellen Lernen nicht geprüft?
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 prüfen, ob Features korreliert sind überhaupt. Warum machen wir das?
3
Welchen
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 die Dimension des Vertrauensellipsoids anzupassen, gibt die Funktion auch GVIF ^ [1 / (2 * …
2
Die Kollinearitätsdiagnose ist nur dann problematisch, wenn der Interaktionsterm enthalten ist
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(, scale=TRUE) for model with interaction Condition Index Variance Decomposition Proportions (Intercept) inc09_10k unins09 sqmi_log pop10_perSqmi_log phys_per100k nppa_per100k black10_pct hisp10_pct …
2
VIF, Bedingungsindex und Eigenwerte
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 . Müssen die Variablen weiter behandelt …
3
Was sind die Vorzüge verschiedener Ansätze zur Erkennung von Kollinearität?
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 Bewertungen zu finden. Eine prominente Quelle, die angibt, welcher Ansatz …
1
Varianzinflationsfaktor für verallgemeinerte additive Modelle
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 X_i Die -Werte werden für jede der n Regressionen gespeichert und VIF …
1
Gleichung für die Varianzinflationsfaktoren
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} = [\mathbf{w}_j^{\prime} \mathbf{w}_j - \mathbf{w}_j^{\prime} \mathbf{W}_{-j} (\mathbf{W}_{-j}^{\prime} \mathbf{W}_{-j})^{-1} \mathbf{W}_{-j}^{\prime} \mathbf{w}_j]^{-1} WW\mathbf{W}XX\mathbf{X} Kann mir jemand zeigen, wie ich von hier zur Gleichung ist der Koeffizient der Mehrfachbestimmung, der durch Regression von …
2
Multikollinearität zwischen ln (x) und ln (x) ^ 2
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 quadratischen Term in mein Modell einbeziehe, erhalte ich VIFs …
2
Warum benutzen wir nicht einfach
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 zu erkennen?
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.