您所在位置：网站首页 > 行业资料 > 其它行业文档 > 共线性问题的识别和处理

共线性问题的识别和处理 .ppt

8页

卖家[上传人]：豆浆

文档编号：50743502

上传时间：2018-08-10

文档格式：PPT

文档大小：134KB

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

10金贝

下载

/ 8 举报版权申诉马上下载

文本预览

下载提示

常见问题

共线性问题的识别和处理一、表现n1、整个模型方差分析结果Pan2、专业上认为应该有统计学意义的自变量检验结果确无统计学意义n3、自变量的偏回归系数取值大小甚至符号明显与实际情况相违背，难以解释n4、增加或删除一个自变量或一个记录，自变量偏回归系数较大变化二、识别n1、容忍度（Tolerance)n等于1减去该自变量为反应变量（Y),因变量选择其他自变量（X)所得到的线性回归模型的决定系数R2 T越小，共线性越严重一般地T0.1时,存在严重的共线性T=1- R2n2、方差膨胀因子（Variance inflation factor VIF)等于容忍度的倒数VIF越大，多重线性问题越大，一般认为VIF不应大于5，对应容忍度的标准也可放宽不大于10.nVIF=1/(1- R2)n3 特征根（Eigenvalue)n对模型中常数项及自变量计算主成份，如果自变量间存在较强线性相关性则前几个主成份值较大，而后几个主成分较小，甚至接近0.n4、条件指数（Condition Index)等于最大的主成份与当前主成份的比值的算术平方根因此，第一主成份相对应的条件指数总为1.同样，如果几个条件指数较大（如大于30）则提示存在多重共线性。

n5、变异构成（Variance Proportion)n回归模型中各项（包括常数项）的变异被各主成份所能解释的比例，即各主成份对模型中各项的贡献如果某个主成份对两个或多个自变量的贡献均大（如大于0.5)说明这几个变量间存在一定程度的共线性二、解决方法n1、逐步回归n2、岭回归n3、主成份分析n4、路径分析（通经分析）。

点击阅读更多内容

相关文档