r - 解释别名表测试 R 中模型的多重共线性

Question

有人可以帮我解释别名函数输出，以测试多元回归模型中的多重共线性。我知道我的模型中的一些预测变量高度相关，我想使用别名表来识别它们。

Model :
Score ~ Comments + Pros + Cons + Advice + Response + Value + Recommendation 
+ 6Months + 12Months + 2Years + 3Years + Daily + Weekly + Monthly

Complete :
            (Intercept) Comments Pros Cons Advice Response Value1
UseMonthly1      0           0    0    0    0      0          0                
             Recommendation1 6Months1 12Months1 2Years1
UseMonthly1   0               1        1       1             
             3Years1 Daily1 Weekly1
UseMonthly1  1         -1        -1    

Value、Recommendation、6Months、12Months、2Years、3Years、Daily、Weekly 和 Monthly 是二元分类变量。
Score、Comments、Pros、Cons、Advice 和 Response 是数字变量。

我可以假设 UseMonthly 与 6Months、12Months、2Years、3Years、Daily、Weekly 高度相关吗？别名输出中的 1 和 -1 值有什么区别？是正负相关吗？

Answer 1

“完整”矩阵中的非零项表明这些项线性依赖于 UseMonthly .这意味着它们高度相关，但术语可以高度相关而不是线性相关的。

如果您的目的是识别和删除相关变量，您应该删除 UseMonthly ，但您可能还想删除其他人。识别可能存在多重共线性问题的变量的一种常见方法是搜索大方差膨胀因子(例如通过 car::vif 计算)。