检查序数逻辑回归中的多重共线性大家好！ 我正在运行一个有 8 个自变量的标称逻辑 Reg 模型 (JMP v13)。 我担心共线性和混淆。 如何检查这两个问题的存在？ 您可以使用 JMP 中的变异膨胀因子评估多重共线性吗？ （好心，如何？）谢谢。
回复：检查序数逻辑回归中的多重共线性我知道这篇文章已经有几年了，但我刚刚遇到了同样的问题，期刊审稿人坚持要查看 VIF 来检查逻辑回归中的共线性。没有任何广义回归平台（除了 Normal）提供 VIF，但由于 VIF 完全是 X 矩阵的函数，因此您拥有什么样的 Y 变量并不重要。所以我的解决方案是使用具有标准最小二乘特性的拟合模型运行完全相同的模型，并使用参数估计表中的 VIF 值。
回复：检查序数逻辑回归中的多重共线性标记，
谢谢。 您的示例中使用的所有自变量都是连续的。 当模型也（或仅）使用分类变量时，我们能否期望这个结果成立？ 请告诉我更多你的解释“请注意，预测变量会自动居中以最小化估计的相关性”。 哪些预测器？和“居中”与什么有关？
——埃里克
回复：检查序数逻辑回归中的多重共线性谢谢吉姆。 JMP 能否为分类自变量提供 VIF？
——埃里克回复：检查序数逻辑回归中的多重共线性我假设您正在使用分析>拟合模型以名义后勤个性启动。 我的 Big Class 样本数据表中的示例适合性别 = 截距 + 体重 + 身高 + 体重 * 身高。 结果是：
Tthe Covariance of Estimates 可用。 对角线是估计的方差，非对角线是协方差，如果没有共线性，协方差为零。
请注意，预测变量会自动居中以最小化估计值的相关性。
回复：检查序数逻辑回归中的多重共线性给你几个建议：
1. 充分利用第 13 版改进的实验设计诊断功能，获取预测变量矩阵并“假装”它确实不是设计实验，并使用 DOE -> Design Diagnostics -> Evaluate Designs 平台。 在该平台的报告中，您将获得各种诊断信息，包括基于预测变量矩阵的预测变量的混杂和相关性。 该平台不要求您的预测变量矩阵确实是“设计实验”。 从令人困惑的角度来看，该平台的一个关键特性是您可以指定您想要估计的确切模型形式（主效应、2 路交互等）。
2. 使用多元平台探索预测变量矩阵之间的相关性（成对和更复杂的使用，例如主成分分析）。
回复：检查序数逻辑回归中的多重共线性在 Help==>Statistics Index==>multicollinearity 下指向 Fit Model Platform 中的 Variation Inflation Factors，用于确定多重共线性的存在。
“在回归变量高度相关的回归中，感兴趣的衡量标准是与没有其他回归变量影响的情况下的方差相比，估计量的方差膨胀了多少。 在拟合模型中，VIF 可通过在 Prameter Estimates 报告表中单击上下文来获得。”
