カテゴリ変数および/またはバイナリ結果の共線性の評価多変数名目ロジスティック回帰に含めるカテゴリ変数間の共線性を評価しようとしています。VIF がこれに役立つことは理解していますが、カテゴリ変数またはバイナリ結果の VIF を見つけることができません。他の方法は、LASSO のようにあまり積極的ではありません。LASSO の有無にかかわらず、共線性を評価する方法はありますか? よろしくお願いします!高度な統計モデリングデータの探索と視覚化Re: カテゴリ変数および/またはバイナリ結果の共線性の評価[モデルの適合] ダイアログから、一般化回帰に切り替えてみましたか? そこから、応答が二項分布であると言えます。これにより、名目ロジスティック回帰に非常によく似た適合が得られ、推定値の相関表を確認する機能が提供されます。これを使用して共線性を理解することができます。または、[多変量法] > [多変量] を使用して、主効果の共線性を調べることができます。
Re: カテゴリ変数および/またはバイナリ結果の共線性の評価こんにちはフォロー フォロー 、
コミュニティへようこそ！
ダン・オーバーミラーが提案した解決策に加えて、VIF 値を使用して共線性を評価するための 1 つの「トリック」として、ランダムな「ダミー」数値列を作成し、多変量回帰モデルを適合させて、モデルの変数の VIF 値を表示することが考えられます。 「一般化回帰レポートで VIF を調べる方法」および@cwilldenからの回答を参照してください。
VIF は入力データ/因子の値のみを使用して計算されます (式については、こちらを参照してください: 元の予測子のパラメータ推定値)。そのため、応答タイプに関係なく、いつでも VIF 値を計算して分析できます。
この回避策がお役に立てば幸いです。
