机器算法验证 - 为什么我们不简单地使用R2jRj2而不是 VIF？ - 吾爱随笔录

为什么我们不简单地使用R2jRj2而不是 VIF？

机器算法验证方差多重共线性方差膨胀因子

2022-03-30 16:21:16

毕竟我们通过来计算 VIF 。VIF 为对应于为。对我来说，当我应用 VIF 公式时为什么我不能只使用来检测多重共线性？ $1/(1-R_j^2)$ $5$ $R_J^2$ $0.8$ $R_j^2$ $R_j^2$

2个回答

你说的对。我想指出，我们喜欢使用 VIF 的一件事是它与 beta 系数估计的标准误差的关系。我们可以说，标准误差是 MSE（模型周围的总可变性）、（第 k 个变量的可变性）和第 k 个变量的 VIF 的函数. 说 1 的倒数减去部分决定系数的函数会很奇怪。IE $s^2\left\{X_k\right\}$

s^{2} {b_{k}} = \frac{M S E}{(n - 1) s^{2} {X_{k}}} (V I F_{k})

$s^2\left\{b_k\right\} = \frac{MSE}{(n-1)s^2\left\{X_k\right\}}(VIF_k)$

当我了解它时，我被告知更大的数字更容易用肉眼识别。我的导师还使用 10 作为截止值，而不是 5。因此，如果您在某种矩阵中有许多 VIF 计算，您将四舍五入到数字，然后用 2 位数字 = 多重共线性。

此外，我认为 VIF 的直觉是我们正在将值更改为指数增长而不是线性增长：0.8、0.85、0.90、0.95 vs 5、6.66、10、20 再次使其更容易识别。

话虽如此，由于存在 1-1 映射，您可以使用 $R^2$ 没有任何改变

其它你可能感兴趣的问题

上一篇学习核函数分析下一篇使用 ARMAX 模型进行电视归因是否有效？