무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 비디오에서 우리는 체지방 모든 잠재적 예측 변수를 사용하여 JMP의 다중 공선성을 탐색하는 데이터.
이 시나리오에서 우리는 예측하는 데 관심이 있음을 기억하십시오. %지방 여러 물리적 측정의 함수로.
데이터 탐색부터 시작하겠습니다.
Analyze, Multivariate Methods의 Multivariate 플랫폼을 사용하여 상관 행렬과 산점도 행렬을 모두 생성합니다.
예상대로 많은 이변량 상관관계가 매우 높습니다.
회귀 모델을 맞출 때 다중 공선성이 문제인지 봅시다.
모델을 피팅하기 위해 Fit Model을 사용할 것입니다. %지방 , 모든 잠재적 예측 변수와 함께 나이 ~을 통해 손목 .
VIF는 Parameter Estimates 패널에서 사용할 수 있습니다. VIF를 요청하려면 패널을 마우스 오른쪽 버튼으로 클릭하고 열 그리고 VIF .
일부 VIF는 매우 높습니다. 다중 공선성에 문제가 있음을 나타내기 위해 5 또는 10의 컷오프를 사용한다는 것을 상기하십시오.
제거하면 어떻게 되나요? 체질량지수 ? 이전에 논의한 것처럼 제거 체질량지수 의미가 있을 수 있습니다. 체질량지수 둘 다의 기능이다 무게 그리고 키 .
제거하겠습니다 체질량지수 효과 요약 표를 사용합니다.
VIF를 다시 살펴보고 이것이 .
VIF 무게 여전히 높습니다.
제거하자 무게 모델에서.
일부 VIF는 10보다 약간 높지만 대부분의 VIF는 현재 훨씬 낮습니다.
이 예에서는 체질량지수 그리고 무게 VIF를 기반으로 한 모델에서 다중공선성 문제가 대부분 해결되었습니다.
