在 R2 的正常计算中，R2 的值越大，表明变量代表整个数据集的更多方差。但是在计算 VIF（方差膨胀因子）时，R2 的值越高，变量中存在的多重共线性越多，因此数据集越不稳定。我的问题是两种情况下的 R2 是否相同，还是计算不同？如果不同，如何？如果相同，为什么 R2 值在两种情况下都被视为好和坏？有人可以为我解释一下吗？谢谢！
VIF（方差膨胀因子）中的术语“R-squared”与正常的 R-squared 计算有何不同？
数据挖掘
机器学习
回归
统计数据
线性回归
2022-03-03 05:16:39
1个回答
它以相同的方式计算。而不是响应变量具有数字回归器的原始模型, VIF 模型的响应是和所有其他的回归器.
其它你可能感兴趣的问题