在 R ( lm) 中构建回归模型时，我经常收到此消息
"there are aliased coefficients in the model"
它到底是什么意思？
此外，由于这predict()也是一个警告。
虽然这只是一个警告，但我想知道我们如何在构建模型之前检测/删除混叠系数。
另外，忽视这个警告可能会导致什么后果？
什么是“混叠系数”？
机器算法验证
r
回归
2022-02-14 02:08:42
3个回答
我怀疑这不是错误lm，而是vif（来自 package car）。如果是这样，我相信你已经遇到了完美的多重共线性。例如
x1 <- rnorm( 100 )
x2 <- 2 * x1
y <- rnorm( 100 )
vif( lm( y ~ x1 + x2 ) )
产生你的错误。
在这种情况下，“别名”是指线性依赖于其他变量（即导致完全多重共线性）的变量。
解决方案的第一步是确定哪些变量是罪魁祸首。跑
alias( lm( y ~ x1 + x2 ) )
看一个例子。
当您的回归X'X矩阵中有奇点（回归输出摘要中的 NA 值）时，通常会出现这种情况。
Base Rlm()允许奇异值/完美多重共线性，默认为singular.ok = TRUE. 其他包/功能更保守。
例如，对于包中的linearHypothesis()函数car，默认为singular.ok = FALSE. 如果您的回归中有完美的多重共线性，linearHypothesis()将返回错误“模型中存在别名系数”。要处理此错误，请设置singular.ok = TRUE. 但是要小心，因为这样做可能会掩盖回归中的完美多重共线性。
也许对某些人来说很高兴：当我将假人添加到回归时，我也遇到了这个错误。R 会自动省略一个 dummy，但这会导致 vif 测试出错。因此，对于某些人来说，一个解决方案可能是手动移除一个假人。