無料のオンラインコースで詳細をご覧ください。
産業問題解決のための統計的思考
このビデオでは、体脂肪すべての潜在的な予測子を使用して、JMPの多重共線性を調査するためのデータ。
このシナリオでは、予測に関心があることを思い出してください％太いいくつかの物理的測定の関数として。
まず、データを調査します。
Analyze、Multivariate MethodsのMultivariateプラットフォームを使用して、相関行列と散布図行列の両方を生成します。
予想どおり、2変量相関の多くは非常に高くなっています。
回帰モデルを当てはめるときに、多重共線性が問題になるかどうかを見てみましょう。
Fit Modelを使用して、次のモデルを適合させます。 ％太い、すべての潜在的な予測因子とともに、年終えた手首。
VIFは、[パラメーター推定]パネルから入手できます。 VIFを要求するには、パネルを右クリックして[列その後VIF 。
一部のVIFは非常に高くなっています。 多重共線性に問題があることを示すために、5または10のカットオフを使用することを思い出してください。
削除するとどうなりますかBMI ？ 前に説明したように、削除BMIそれを考えると、理にかなっているかもしれませんBMI両方の機能です重さと身長。
削除しますBMI効果の概要テーブルを使用します。
VIFをもう一度見て、これがに対処しているかどうかを確認しましょう。
のVIF重さまだ高いです。
削除しましょう重さモデルから。
一部のVIFは10をわずかに超えていますが、ほとんどのVIFは現在はるかに低くなっています。
この例では、削除することにしましたBMIと重さVIFに基づくモデルから、多重共線性の問題は、ほとんどの場合、解決されました。
