Πίνακας περιεχομένων:

Πώς θα απαλλαγείτε από την Πολυγραμμικότητα;
Πώς θα απαλλαγείτε από την Πολυγραμμικότητα;

Βίντεο: Πώς θα απαλλαγείτε από την Πολυγραμμικότητα;

Βίντεο: Πώς θα απαλλαγείτε από την Πολυγραμμικότητα;
Βίντεο: Πώς θα απαλλαγούμε από τα αρνητικά συναισθήματα - Αννίτα Κοίτα 23/2/2020 | OPEN TV 2024, Ενδέχεται
Anonim

Πώς μπορώ να αντιμετωπίσω την πολυσυγγραμμικότητα;

  1. Αφαιρώ εξαιρετικά συσχετισμένους προγνωστικούς παράγοντες από το μοντέλο.
  2. Χρησιμοποιήστε μερική παλινδρόμηση μερικών ελάχιστων τετραγώνων (PLS) ή Ανάλυση κύριων στοιχείων, μεθόδους παλινδρόμησης που μειώνουν τον αριθμό των προγνωστικών σε ένα μικρότερο σύνολο μη συσχετισμένων συστατικών.

Επιπλέον, τι είναι η Πολυγραμμικότητα και πώς μπορείτε να την ξεπεράσετε;

Πολυσυγγραμμικότητα συμβαίνει όταν οι ανεξάρτητες μεταβλητές σε ένα μοντέλο παλινδρόμησης συσχετίζονται. Αυτός ο συσχετισμός είναι ένα πρόβλημα επειδή οι ανεξάρτητες μεταβλητές πρέπει να είναι ανεξάρτητες. Εάν ο βαθμός συσχέτισης μεταξύ των μεταβλητών είναι αρκετά υψηλός, τότε μπορώ προκαλεί προβλήματα όταν εσείς ταιριάζει στο μοντέλο και ερμηνεύει τα αποτελέσματα.

Γνωρίζετε επίσης, γιατί είναι η Πολυγραμμικότητα πρόβλημα; Πολυγραμμικότητα είναι ένα πρόβλημα επειδή υπονομεύει τη στατιστική σημασία μιας ανεξάρτητης μεταβλητής. Όντας άλλα πράγματα ίσα, όσο μεγαλύτερο είναι το τυπικό σφάλμα ενός συντελεστή παλινδρόμησης, τόσο λιγότερο πιθανό είναι ο συντελεστής αυτός να είναι στατιστικά σημαντικός.

Επίσης, γνωρίζετε πώς υπολογίζετε την Πολυσυγγραμμικότητα;

Πολυσυγγραμμικότητα μπορεί επίσης να ανιχνευθεί με τη βοήθεια της ανοχής και του αμοιβαίου της, που ονομάζεται παράγοντας πληθωρισμού διακύμανσης (VIF). Εάν η τιμή ανοχής είναι μικρότερη από 0,2 ή 0,1 και, ταυτόχρονα, η τιμή του VIF 10 και άνω, τότε το πολυγραμμικότητα είναι προβληματική.

Η πολυσυγγραμμικότητα επηρεάζει την πρόβλεψη;

Πολυσυγγραμμικότητα δεν κάνει επηρεάζουν πόσο καλά ταιριάζει το μοντέλο. Στην πραγματικότητα, εάν θέλετε να χρησιμοποιήσετε το μοντέλο για να φτιάξετε προβλέψεις , και τα δύο μοντέλα παράγουν τα ίδια αποτελέσματα για τις προσαρμοσμένες τιμές και προφητεία διαστήματα!

Συνιστάται: