技术控

    今日:173| 主题:49347
收藏本版 (1)
最新软件应用技术尽在掌握

[其他] 多重共线性的判别与解决

[复制链接]
呆一种个性 发表于 7 天前
82 0

立即注册CoLaBug.com会员,免费获得投稿人的专业资料,享用更多功能,玩转个人品牌!

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
在进行多元回归分析时,当回归模型中使用两个或以上的自变量彼此相关时,则称回归模型中存在多重共线性(multicollinearity)。
      严重的多重共线性可能会使回归分析的结果混乱,甚至会把分析引入歧途。
        那怎样才能判断是否具有多重共线性问题呢?
          多重共线的判断方法

        1、最简单的一种方法是计算模型中各对自变量之间的相关系数,如果一个或多个相关系数是显著的,就表示存在多重共线性问题。
        2、当模型的线性关系检验(F检验)显著时,几乎所有回归系数β的t检验却不显著。
        3、回归系数的正负号与预期的相反。
        4、容忍度(tolerance)与方差扩大因子(VIF)。
        某个自变量的容忍度等于1减去该自变量为因变量而其他自变量为预测变量时所得到的线性回归模型的判定系数。
        容忍度越小,多重共线性越严重。
        通常认为容忍度小于0.1时,存在严重的多重共线性。
        方差扩大因子等于容忍度的倒数。
        显然,VIF越大,多重共线性越严重。
        一般认为VIF大于10时,存在严重的多重共线性。
                    多重共线性问题的处理

                一旦发现模型中存在多重共线性问题,就应采取解决措施。至于采取什么样的方法来解决,要看多重共线性的严重程度。
          下面给出几种常用的解决方法:
                (1)将一个或多个相关的自变量从模型中剔除。实际操作中常用逐步法作为自变量筛选方法。
        (2)如果要在模型中保留所有的自变量,那就应该:避免根据t统计量对单个参数β进行检验;对因变量y值得推断限定在自变量样本值的范围内。
        (3)主成分分析法。
        (4)偏最小二乘法。偏最小二乘回归≈多元线性回归分析+典型相关分析+主成分分析
        (5)岭回归法。岭回归法是通过最小二乘法的改进允许回归系数的有偏估计量存在而补救多重共线性的方法。
        (6)增加样本容量。多重共线性问题的实质是样本信息的不充分而导致模型参数的不能精确估计,因此追加样本信息是解决该问题的一条有效途径。
              在进行多元回归时,多重共线性问题是大家容易忽视的地方。
  充分考虑该问题,才可以让多元回归的分析方向正确,得出正确结果。
  End.
  作者:康哥用统计 (中国统计网特邀认证作者)
  本文为中国统计网原创文章,需要转载请联系中国统计网([email protected]),转载时请注明作者及出处,并保留本文链接。
友荐云推荐




上一篇:[从产品角度学EXCEL 01]-EXCEL是怎样运作的
下一篇:PJAX,站点加速之翼
酷辣虫提示酷辣虫禁止发表任何与中华人民共和国法律有抵触的内容!所有内容由用户发布,并不代表酷辣虫的观点,酷辣虫无法对用户发布内容真实性提供任何的保证,请自行验证并承担风险与后果。如您有版权、违规等问题,请通过"联系我们"或"违规举报"告知我们处理。

*滑动验证:
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

我要投稿

推荐阅读

扫码访问 @iTTTTT瑞翔 的微博
回页顶回复上一篇下一篇回列表手机版
手机版/CoLaBug.com ( 粤ICP备05003221号 | 文网文[2010]257号 )|网站地图 酷辣虫

© 2001-2016 Comsenz Inc. Design: Dean. DiscuzFans.

返回顶部 返回列表