--------僅用於個人學習知識整理和sas/r語言/python**整理
--------該文章首發於csdn 正在遷移優化文章中
1.定義
則稱自變數間存在完全多重共線性
2.影響
3.診斷
另外找到乙個比較詳細的診斷方法的列舉：[線性回歸多重共線性的診斷方法和r語言實現](線性回歸多重共線性的診斷方法和r語言實現 - 資料分析與資料探勘技術-煉數成金-dataguru專業資料分析社群)
1) 方差擴大因子法
理論來自於何曉群書本上
r語言實現
資料來自何曉群書本p150例5.6
y###這裡有乙個疑問：老師給的例子其實是沒有標準化資料的，那vif計算的時候會自動標準化嗎？還是說不需要標準化？
當vif大於等於10時，說明自變數x可能和其他自變數有多重共線性，這裡的x2，x4，x5，x6可能導致多重共線性
2) 特徵根判別法
理論來自於何曉群書本上
有多少個特徵根接近0，設計矩陣x就有多少個多重共線性關係
3) 條件數
理論來自於何曉群書本上、
4) 直觀判定法
4.解決辦法
1) 剔除一些不顯著的變數
2) 增大樣本量
3) 回歸係數的有偏估計
如嶺回歸，主成分法，偏最小二乘法等，後續會繼續整理
多重共線性
多重共線性的概念 模型解釋變數之間存在完全線性相關或不完全線性相關關係 產生的原因 1 特徵變數之間的內在聯絡 2 特徵變數在時間上有同方向變動的趨勢 3 某些變數的滯後 檢驗的方法 1 相關性分析 2 方差膨脹因子 方差膨脹因子 variance inflation factor，vif 容忍度的...
多重共線性處理方法
自變數 解釋變數 之間彼此相關的現象，我們稱這種現象為多重共線性。手動移除出共線性的變數 先做下相關分析，如果發現某兩個自變數x 解釋變數 的相關係數值大於0.7，則移除掉乙個自變數 解釋變數 然後再做回歸分析。此方法是最直接的方法，但有的時候我們不希望把某個自變數從模型中剔除，這樣就要考慮使用其他...
Python 多重共線性檢驗
共線性問題指的是輸入的自變數之間存在較高的線性相關度。共線性問題會導致回歸模型的穩定性和準確性大大降低，另外，過多無關的維度計算也很浪費時間。樣本量太少，導致部分資料以外的呈現線性關係 由於某些原因，導致多個變數的變化趨勢一致 vif是容忍度的倒數，值越大則共線性問題越明顯，通常以10作為判斷邊界。...