如何解决多重共线性？

Question

我构建了一个线性模型并尝试计算变量的 VIF，但出现以下错误：

 vif(lm_model3101)

Error in vif.default(lm_model3101) : 
  there are aliased coefficients in the model

为了检查哪些数值变量是相关的，我计算了所使用的数值变量的相关性，并且任何变量之间没有完美或近乎完美的相关性:

cor(multi)


mydata..CRU.Index. mydata..GDP.per.capita. mydata.price_per_unit mydata.price_discount mydata..AC..Volume.
mydata..CRU.Index.             1.000000000             0.006036169             0.1646463          -0.097077238        -0.006590327
mydata..GDP.per.capita.        0.006036169             1.000000000             0.1526220           0.008135387        -0.137733119
mydata.price_per_unit          0.164646319             0.152621974             1.0000000          -0.100344865        -0.310770525
mydata.price_discount         -0.097077238             0.008135387            -0.1003449           1.000000000         0.339961760
mydata..AC..Volume.           -0.006590327            -0.137733119            -0.3107705           0.339961760         1.000000000

可能是什么问题？有什么帮助或建议吗？其余的解释变量是阶乘的，因此它们不能相关

Answer 1

具有别名系数并不一定意味着两个预测因子完全相关。这意味着它们是线性依赖的，即至少一个术语是其他术语的线性组合。它们可能是因素或连续变量。要找到它们，请使用别名函数。例如：

y <- runif(10)
x1 <- runif(10)
x2 <- runif(10)
x3 <- x1 + x2

alias(y~x1+x2+x3)

Model :
y ~ x1 + x2 + x3

Complete :
   (Intercept) x1 x2
x3 0           1  1 

这将x3标识为x1和x2的总和