R语言检验多重共线性 vif
vif()干啥用的
计算 方差膨胀（variance-inflation） 和 广义线性方差膨胀因子（generalized variance-inflation factors for linear）。方差膨胀因子越小，多重共线性程度越小，自变量之间越没关系。具体解释见文末，看不看都行。
咋用
vif(model, merge_coef = FALSE)
参数啥意思
model: 填你用某个模型计算的计算结果那个变量
merge_coef:
merge_coef = FALSE
默认值为FALSE, 不与模型汇总矩阵的系数合并。
merge_coef = TRUE
与模型汇总矩阵的系数合并。
怎么用
越大越
比如：在多元回归中，用这个。
下次回归删除膨胀系数（vif结果）大于5的最大值。直到没有大于5的值。
跑个例子看看（自带的数据）
data(germancredit)
读取这个dataframe
fit1 = glm(creditability~ age.in.years + credit.amount +
present.residence.since, family = binomial(), data = germancredit)
做个多元回归
vif(fit1)
看看膨胀系数（此时merge_coef = FALSE,）
vif(fit1,merge_coef = TRUE)
看看膨胀系数
这段看不看都行：
（方差膨胀因子用于 确定多重共线性程度（multicollinearity），多重共线性会在多元回归中产生问题，因为自变量间相互不独立，难以在回归模型中测试自变量的组合对因变量的影响程度。存在高度多重共线性的多元回归模型会使估计每个自变量与因变量之间的关系变得更加困难。所用数据或模型方程结构的微小变化都会导致自变量的估计系数发生巨大且不稳定的变化。为确保正确指定模型并正确运行，可以运行多重共线性测试。方差膨胀因子就是这样一种测量工具。使用方差膨胀因子有助于确定任何多重共线性问题的严重性，以便可以调整模型。方差膨胀因子衡量自变量的行为（方差）受其与其他自变量的相互作用/相关性影响或膨胀的程度。方差膨胀因子允许快速测量变量对回归中标准误差的贡献程度。当存在显着的多重共线性问题时，所涉及的变量的方差膨胀因子将非常大。确定这些变量后，可以使用多种方法来消除或组合共线变量，从而解决多重共线性问题。）
R语言检验多重共线性 vif相关推荐
- R语言检验相关性系数的显著性:使用cor.test函数计算相关性系数的值和置信区间及其统计显著性（如果变量来自正态分布总体使用皮尔森方法pearson）
R语言检验相关性系数的显著性:使用cor.test函数计算相关性系数的值和置信区间及其统计显著性(如果变量来自正态分布总体使用皮尔森方法pearson) 目录
- R语言检验时间序列的平稳性：使用tseries包的adf.test函数实现增强的Dickey-Fuller(ADF)检验、检验时序数据是否具有均值回归特性（平稳性）、不具有均值回归特性的案例
R语言检验时间序列的平稳性:使用tseries包的adf.test函数实现增强的Dickey-Fuller(ADF)检验.检验时序数据是否具有均值回归特性(平稳性).不具有均值回归特性的案例 目录
- R语言检验时间序列的平稳性（tseries包adf.test）：时间序列数据是zoo或xts对象，使用coredata函数提取原始数据，再将其传递给adf.test函数
R语言检验时间序列的平稳性(tseries包adf.test):时间序列数据是zoo或xts对象,使用coredata函数提取原始数据,再将其传递给adf.test函数 目录
- R语言检验时间序列的平稳性：使用tseries包的adf.test函数实现增强的Dickey-Fuller(ADF)检验、检验时序数据是否具有均值回归特性（平稳性）、具有均值回归特性的案例
R语言检验时间序列的平稳性:使用tseries包的adf.test函数实现增强的Dickey-Fuller(ADF)检验.检验时序数据是否具有均值回归特性(平稳性).具有均值回归特性的案例 目录
- R语言检验样本比例：使用prop.test函数执行单样本比例检验计算总体中成功样本比例p值的置信区间
R语言检验样本比例:使用prop.test函数执行单样本比例检验计算总体中成功样本比例p值的置信区间 目录
- R语言检验样本是否符合正态性（检验样本是否来自一个正态分布总体）：shapiro.test函数检验样本是否符合正态分布（normality test）
R语言检验样本是否符合正态性(检验样本是否来自一个正态分布总体):shapiro.test函数检验样本是否符合正态分布(normality test) 目录
- R语言检验样本是否符合正态性（检验样本是否来自一个正态分布总体）：使用nortest包的sf.test函数检验样本是否符合正态分布（normality test）
R语言检验样本是否符合正态性(检验样本是否来自一个正态分布总体):使用nortest包的sf.test函数检验样本是否符合正态分布(normality test) 目录
- R语言之多重共线性的判别以及解决方法
多重共线性(Multicollinearity)是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确. 1.可以计算X矩阵的秩qr(X)$rank,如果不是 ...
- R语言检验独立性：卡方检验(Chi-square test)和费舍尔精确检验分析案例报告
统计测试最常见的领域之一是测试列联表中的独立性.在这篇文章中,我将展示如何计算列联表,我将在列联表中引入两个流行的测试:卡方检验和Fisher精确检验. 什么是列联表? 列联表提供关于两个分类变量的测 ...
最新文章
- 沈向洋：浅谈人工智能创造
- 机器视觉 · 工业相机
- 【thymeleaf】th:with
- 关于bochs用X11启动的说明
- Python《搞事情==蜂-鸟-图-片（二）》
- java中常用的包 类和接口_java.util包常用的类和接口
- 如何在Java中生成比特币钱包地址
- Silverlight AutoCompleteBox(自动完成输入框控件)使用方法
- duilib显示html,Duilib 控件类html富文本绘制
- Dump文件分析工具 - MAT图文解析
- 菜鸟教程 程序员学习网站
- 设计模式之-生成器模式
- 高性能高并发服务的瓶颈及突破思路
- 什么软件可以把qlv格式转换成mp4
- 建筑智能化集成系统及架构简介
- Vue的diff算法原理是什么？
- 数字证书理解（CA证书签名原理）
- 【图像处理】关于颜色的万花筒（RGB--HSV）
- FIO测试硬盘IOPS
- 编解码学习笔记（一）：基本概念