多重共線性的后果四多重共線性的檢驗五克服多重共線課件_第1頁
多重共線性的后果四多重共線性的檢驗五克服多重共線課件_第2頁
多重共線性的后果四多重共線性的檢驗五克服多重共線課件_第3頁
多重共線性的后果四多重共線性的檢驗五克服多重共線課件_第4頁
多重共線性的后果四多重共線性的檢驗五克服多重共線課件_第5頁
已閱讀5頁，還剩14頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

?

多重共線性的后果?

多重共線性的檢驗?

克服多重共線性的方法?

克服多重共線性的課件CHAPTER參數(shù)估計的不穩(wěn)定性123模型預測的準確性下降變量的顯著性檢驗失效010203CHAPTER檢驗統(tǒng)計量特征值相關性檢驗通過檢驗變量之間的相關性，可以初步判斷是否存在多重共線性問題。如果多個變量之間存在高度相關性，則可能存在多重共線性問題。特征值是判斷多重共線性的常用指標，如果特征值接近于0，說明存在多重共線性問題。條件指數(shù)條件指數(shù)是另一種判斷多重共線性的指標，如果條件指數(shù)大于10，則可能存在多重共線性問題。VIF（方差膨脹因子）VIF的計算公式為：VIF=1/(1-R^2)，其中R^2是某個自變量與因變量之間的決定系數(shù)。條件指數(shù)CHAPTER剔除變量剔除相關性高的變量剔除對模型貢獻小的變量主成分分析將多個相關變量轉換為少數(shù)幾個獨立變量通過主成分分析，將多個相關變量轉換為少數(shù)幾個獨立的主成分，以消除多重共線性。保留主要信息主成分分析能夠保留原始數(shù)據(jù)中的主要信息，同時降低多重共線性的影響。嶺回歸增加系數(shù)約束優(yōu)化模型預測能力CHAPTER課件內容概述A

B

C

D課

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論