Situação em que existe forte relação linear entre variáveis preditoras, de modo que sua matriz de correlação se torna (quase) singular. Essa "condição ruim" dificulta a determinação do papel único de cada um dos preditores: surgem problemas de estimativa e aumentam os erros padrão. Preditores correlacionados bivariadamente muito altos são um exemplo de multicolinearidade.
O wiki discute os problemas que surgem quando a multicolinearidade é um problema na regressão linear. O problema básico é que a multicolinearidade resulta em estimativas instáveis de parâmetros, o que dificulta a avaliação do efeito de variáveis independentes sobre variáveis dependentes. Eu...
Em uma regressão linear múltipla, por que é possível ter uma estatística F altamente significativa (p <0,001), mas ter valores de p muito altos em todos os testes t do regressor? No meu modelo, existem 10 regressores. Um deles tem um valor de p de 0,1 e o restante está acima de 0,9 Para...
Estou fazendo alguns cálculos em diferentes matrizes (principalmente em regressão logística) e geralmente recebo o erro "Matrix is singular", onde tenho que voltar e remover as variáveis correlacionadas. Minha pergunta aqui é o que você consideraria uma matriz correlacionada "altamente"? Existe...
Aprendi na aula de modelos lineares que, se dois preditores estiverem correlacionados e ambos forem incluídos em um modelo, um será insignificante. Por exemplo, suponha que o tamanho de uma casa e o número de quartos estejam correlacionados. Ao prever o custo de uma casa usando esses dois...
Nas estatísticas tradicionais, durante a construção de um modelo, verificamos a multicolinearidade usando métodos como estimativas do fator de inflação de variância (VIF), mas no aprendizado de máquina, usamos a regularização para a seleção de recursos e não parecemos verificar se os recursos estão...
No meu entendimento, variáveis altamente correlacionadas não causarão problemas de multicolinearidade no modelo aleatório de floresta (por favor, corrija-me se estiver errado). No entanto, por outro lado, se eu tiver muitas variáveis contendo informações semelhantes, o modelo pesará muito nesse...
Estou tentando interpretar fatores de inflação de variância usando a viffunção no pacote de R car. A função imprime um generalizado e também . De acordo com o arquivo de ajuda , esse último valorVIFVIF\text{VIF}GVIF1 / ( 2 ⋅ df )GVIF1/(2⋅df)\text{GVIF}^{1/(2\cdot\text{df})} Para ajustar a...
Eu tenho um conjunto de dados com 9 variáveis independentes contínuas. Estou tentando selecionar entre essas variáveis para ajustar um modelo a uma única variável percentual (dependente) Score. Infelizmente, eu sei que haverá uma colinearidade séria entre várias das variáveis. Eu tentei usar a...
Eu estava lendo o seguinte link sobre regressão não linear SAS Não Linear . Meu entendimento ao ler a primeira seção "Regressão não-linear versus regressão linear" foi que a equação abaixo é realmente uma regressão linear, está correto? Se sim, por quê? y=b1x3+b2x2+b3x+cy=b1 1x3+b2x2+b3x+cy =...
Fiz uma regressão em condados dos EUA e estou verificando a colinearidade em minhas variáveis 'independentes'. O diagnóstico de regressão de Belsley, Kuh e Welsch sugere analisar as proporções de decomposição do índice de condições e da decomposição de variância: library(perturb) ## colldiag(,...
Eu sei que em uma situação de regressão, se você tem um conjunto de variáveis altamente correlacionadas, isso geralmente é "ruim" devido à instabilidade nos coeficientes estimados (a variação vai para o infinito, enquanto o determinante vai para zero). Minha pergunta é se essa "maldade" persiste...
Atualmente, estou executando alguns modelos lineares de efeito misto. Estou usando o pacote "lme4" em R. Meus modelos assumem a forma: model <- lmer(response ~ predictor1 + predictor2 + (1 | random effect)) Antes de executar meus modelos, verifiquei a possibilidade de multicolinearidade...
Em uma regressão linear múltipla com regressores altamente correlacionados, qual é a melhor estratégia a ser usada? É uma abordagem legítima adicionar o produto de todos os regressores
Ao trabalhar com muitas variáveis de entrada, geralmente nos preocupamos com a multicolinearidade . Existem várias medidas de multicolinearidade que são usadas para detectar, pensar e / ou comunicar a multicolinearidade. Algumas recomendações comuns são: O múltiplo para uma variável específica...
Encontrei uma referência em um artigo que é como: Segundo Tabachnick e Fidell (1996), as variáveis independentes com correlação bivariada maior que 0,70 não devem ser incluídas na análise de regressão múltipla. Problema: usei em um projeto de regressão múltipla 3 variáveis...
Fechadas. Esta questão está fora de tópico . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela esteja no tópico de Validação cruzada. Fechado há 2 anos . Até o momento, removi variáveis colineares...
Eu tenho uma variável independente chamada "qualidade"; essa variável possui 3 modalidades de resposta (má qualidade; média qualidade; alta qualidade). Quero introduzir essa variável independente em minha regressão linear múltipla. Quando eu tenho uma variável independente binária (variável dummy,...
Nos modelos lineares, precisamos verificar se existe um relacionamento entre as variáveis explicativas. Se eles se correlacionam demais, há colinearidade (ou seja, as variáveis se explicam parcialmente). Atualmente, estou apenas olhando para a correlação pareada entre cada uma das variáveis...
Em Regressão logística, é necessário estar tão preocupado com a multicolinearidade quanto na regressão OLS direta? Por exemplo, com uma regressão logística, onde existe multicolinearidade, você precisa ser cauteloso (como faria na regressão OLS) ao deduzir inferência dos coeficientes Beta? Para...
Atualmente, estou avaliando a multicolinearidade em meus conjuntos de dados. Quais valores limite de VIF e índice de condição abaixo / acima sugerem um problema? VIF: Ouvi dizer que VIF é um problema.≥10≥10\geq 10 Após remover duas variáveis problemáticas, o VIF é para cada variável. As...