多重共线性的诊断\n1.方差扩大因子法\n经验表明,V I F j ≥ 10 VIF_{j}\\geq10VIF \nj\n\t\n ≥10时,就说明自变量x j x_{j}x \nj\n\t\n 与其余变量之间有严重的多重共线性,且这种多重共线性可能会过度地影响最小二乘估计值。\n\n代码实现如下:\n\ndata3.3\u003C-read.csv(\"C:/Users/Administrator/Desktop/data3.3.csv\",head=TRUE)\nlm3.3\u003C-lm(y~x1+x2+x3+x4+x5,data3.3)\nlibrary(car)\nvif(lm3.3)\n1\n2\n3\n4\n输出结果为:\n\n 从输出结果看到,x 1 , x 2 x1,x2x1,x2的方差扩大因子很大,远远超过10 ,说明这四个变量之间存在严重的多重共线性。\n 一般情况下,当一个回归方程存在严重的多重共线性时,有若干个自变量所对应的方差扩大因子大于10,这个回归方程多重共线性的存在就是由方差扩大因子超过10 的这几个变量引起的,说明这几个自变量之间有一定的多重共线性的关系存在。知道了这一点,对于我们消除回归方程的多重共线性非常有用。
http://t.csdn.cn/16TZb