多重共线性

#-----------多重共线性的处理------------

load("D:\\文件\\2022下（大三上）\\classR\\colinearity.RData")

lin # 数据

plot(lin[,2:3]) #x1、x2散点图

#作线性回归-->多重共线性的危害

fit=lm(y~x1+x2,data=lin)

summary(fit)

#识别多重共线性

#1.相关系数法

#2.方差膨胀系数法

install.packages("car")

library(car)

vif(fit)

#处理方法（消除多重共线性）--主成分回归*，岭回归，逐步回归*

#主成分回归

lin

lin2<-lin[,2:3] #将自变量提出来

pr<-princomp(lin2,cor=T,scores=T) #对自变量做主成分分析

summary(pr,loadings=T)

pr$scores[,1] #第一主成分得分 or predict(pr)[,1]

lm<-lm(y~pr$scores[,1],lin) #建立因变量和第一主成分得分间的线性回归模型

lm

scale(lin[,2]) # scale(lin[,2], center = TRUE, scale = TRUE)

scale(lin[,3])

scale(lin)

#逐步回归分析

load("D:\\文件\\2022下（大三上）\\classR\\exercise\\movie.RData")

lm.sol=lm(Box~1+Score+Cost+Days+Age+Baidu,data=movie)

summary(lm.sol)

vif(lm.sol)

step(lm.sol,direction=c("backward")) #逐步向后回归

step(lm.sol,direction=c("both")) # 逐步向前向后回归

#------------练习-----------------

head(movie)

lm.sol2=lm(Box~Cost,data=movie)

step(lm.sol2,Box~Score+Cost+Days+Age+Baidu,direction="forward") # 此处不可用~.

step(lm.sol2,Box~Score+Cost+Days+Age+Baidu,direction="both")