如何計算第 n 個標稱因子的 VIF？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />當 JMP 在擴展估計表中報告名義因子時，所有係數均可見。但是，那擴展估計表不包含 VIF 作為輸出選項。然而，參數估計表僅報告 n-1 個標稱因子的 VIF。根據 JMP 慣例，只需確保名義係數之和為零即可找到剩餘的估計值。如何計算第 n 個因子的 VIF？
回复：如何計算第 n 個標稱因子的 VIF？歡迎，喬！ 我很高興它有幫助。 保存編碼表的能力非常棒。
回复：如何計算第 n 個標稱因子的 VIF？謝謝，瑪麗！這就是竅門。
回复：如何計算第 n 個標稱因子的 VIF？您的興趣表明您將使用 JMP 用於名義變量編碼的一些指標變量作為回歸模型中的項。 我不確定您打算如何確定使用哪些術語。如果您使用 Stepwise，則“製作模型”和“運行模型”將構建有用的項並將這些項包含在模型中，以便您可以按照通常的方式獲取 VIF。
以 Sample Data 文件夾中的 Hollywood Movies.jmp 為例。 轉到“分析”>“擬合模型”，輸入“世界總收入”作為 Y，然後添加“類型”和“製作預算”作為效果。 將個性更改為逐步，然後單擊運行。 在逐步回歸控制大綱中，單擊執行。輸入根據流派級別構建的兩個效果。 單擊運行模型。 顯示這些效果的編碼的列將添加到數據表中，您可以在“參數估計”報告中獲取其 VIF。
如果您只是想了解如何獲取 n 級名義因子的第 n 級的 VIF，則可以使用值排序來實現。但請記住，分析中必須忽略其他級別之一。這是因為第 n 級的編碼項是其他 n - 1 級的項的線性組合。
讓我們再次看一下好萊塢電影的示例，其中類型為單一效果。 轉到“分析”>“擬合模型”，然後輸入“世界總收入”作為 Y，輸入“流派”作為單一名義模型效應。 將“重點”更改為“最小報告”，然後單擊“運行”。 打開參數估計報告。 您會看到代表名義變量流派的七個（連續）指示符變量。 （請注意，冒險類型的一個級別缺少世界總收入，因此在分析中不使用。）缺少的級別是驚悚級別。
要包括 Genre[Thriller]，請將值排序列屬性應用於 Genre。在值排序對話框中，選擇 Thriller 並將其在列表中向上移動一行。 現在重新運行擬合模型。 類型[Thriller]出現在參數估計列表中，您可以獲取其VIF。
回复：如何計算第 n 個標稱因子的 VIF？謝謝你的提問，喬。VIF 計算使用 JMP 的名義變量水平編碼。如您所知，預測變量的 VIF 定義為 1/(1 - RSq)，其中 RSq 是該預測變量對所有其他預測變量的回歸的 R 方值。 現在另一個有用的事實是，很容易獲得名義變量的 JMP 編碼。 您可以在“擬合模型”中執行此操作。
我們以 Sample Data 文件夾中的 Hollywood Movies,jmp 為例。 轉到“分析”>“擬合模型”，然後輸入“世界總收入”作為 Y，輸入“流派”作為單一名義模型效應。 將“重點”更改為“最小報告”，然後單擊“運行”。 打開參數估計報告。 流派有八個級別，您將看到七個流派[] 形式的模型術語。有七個（連續）指示變量代表名義變量類型。
從紅色小三角菜單中，選擇保存列 > 保存編碼表。 Genre[] 的七列顯示其效果編碼。 （此編碼在文檔中進行了描述。 轉到幫助 > 書籍 > 擬合線性模型並蒐索“名義效應編碼”部分。）
現在，回到參數估計表。 右鍵單擊表並選擇列 > VIF。 讓我們獲取 Genre[Action] 的 VIF，即 1.608246。
激活編碼表。 轉到分析 > 擬合模型。輸入 Genre[Action] 作為 Y，其餘六個 Genre[] 變量作為效果。單擊運行。 您的 R 方值為 0.378205。計算 1/(1 - 0.378205)，您將獲得 Genre[Action] 的 VIF，1.608246。
回复：如何計算第 n 個標稱因子的 VIF？順便說一句，使用虛擬因子（任何組合）進行編碼不會產生與 JMP 為名義因子導出的相同的 VIF。我查閱了 JMP 手冊，但沒有找到有關 JMP 如何計算名義因子 VIF 的明確文檔。我的假設是，可以使用 n-1 個獨立的虛擬變量，將每個變量與所有其他模型因子進行回歸，並以通常的方式從生成的 r^2 中導出 VIF。然而，這不會生成相同的 VIF JMP 報告，而且我找不到任何虛擬因素的組合可以這樣做。
