Що таке "відстежені коефіцієнти"?

24

Будуючи модель регресії в R ( lm), я часто отримую це повідомлення

"there are aliased coefficients in the model"

Що саме це означає?

Також через це predict()також є попередження.

Хоча це лише попередження, я хочу знати, як ми можемо виявити / вилучити зведені коефіцієнти перед тим, як побудувати модель.

Також, які ймовірні наслідки нехтування цим попередженням?

r regression

— Мохіт Верма
джерело

32

Я підозрюю, що це не помилка lm, а скоріше vif(з пакета car). Якщо так, я вважаю, що ви зіткнулися з ідеальною мультиколінеарністю . Наприклад

x1 <- rnorm( 100 )
x2 <- 2 * x1
y <- rnorm( 100 )
vif( lm( y ~ x1 + x2 ) )

видає вашу помилку.

У цьому контексті "псевдонім" відноситься до змінних, які лінійно залежать від інших (тобто викликають ідеальну мультиколінеарність).

Перший крок до рішення - визначити, яка змінна (і) є винуватцем (ими). Біжи

alias( lm( y ~ x1 + x2 ) )

щоб побачити приклад.

— Тамас Ференці
джерело

Спасибі. Чи "мультиколінеарність" те ж саме, що "коефіцієнти аліаса"?

— Мохіт Верма

1

@MohitVerma: У цій термінології "псевдонім" посилається на змінні, які є лінійно залежними (тобто викликають ідеальну мультиколінеарність). Див. Stat.ethz.ch/R-manual/R-patched/library/stats/html/alias.html . Відповідь я оновлюю цим.

— Tamas Ferenci

3

Це часто виникає, коли у вашій регресійній X'Xматриці є особливості (значення NA у підсумку результату регресії).

Базовий R lm()дозволяє отримати сингулярні значення / ідеальну мультиколінеарність за замовчуванням singular.ok = TRUE. Інші пакети / функції більш консервативні.

Наприклад, для linearHypothesis()функції в carпакеті за замовчуванням є singular.ok = FALSE. Якщо ви маєте ідеальну мультиколінеарність у вашій регресії, linearHypothesis()повернете помилку "в моделі є псевдонімні коефіцієнти". Щоб вирішити цю помилку, встановіть singular.ok = TRUE. Однак будьте обережні, оскільки це може маскувати ідеальну мультиколінеарність у вашій регресії.

— чандлер
джерело

0

можливо, щоб добре знати для когось: я помилився і тоді, коли додав манекени до регресії. R автоматично опускає одну манекен, але це спричиняє помилку в тесті vif. тож рішенням для деяких може бути видалення однієї манекени вручну.

— Пат
джерело