c++ 线性回归_UA MATH571A R语言回归分析实践之多重共线性与岭回归

最新推荐文章于 2023-10-09 10:14:48 发布

狮子坤

最新推荐文章于 2023-10-09 10:14:48 发布

阅读量374

点赞数

文章标签： c++ 线性回归

本文链接：https://blog.csdn.net/weixin_29603489/article/details/112123545

版权

该博客通过一个实际例子展示了如何使用C++进行线性回归分析，探讨了数据中的多重共线性问题，并介绍了如何通过岭回归（Ridge Regression）进行解决。首先，通过相关性分析和VIF（方差膨胀因子）确认了模型的多重共线性，然后引入岭回归降低MSE，并讨论了LW估计量的稳定性。在岭回归的基础上，进一步发现了模型的异方差性，提出了使用WLS与L2惩罚项作为改进方法。

摘要由CSDN通过智能技术生成

例子来自QE回归2017年1月的第4题，目的是通过高中成绩排名X1与ACT分数X2预测大学第一年的GPA。数据在

https://statistics.arizona.edu/sites/default/files/uagc_page/jan_17_data_sets.xlsx初始模型是

然而高中成绩排名与ACT分数很有可能是正相关的，因此这个模型有潜在的多重共线性，我们先来检查一下样本数据有没有多重共线性。首先读取数据，画出相关性图，并计算相关性矩阵

college.df = read.csv( file.choose() )
attach( college.df )
X1 = class.rank; X2 = ACT; X3=X1*X2
Y = GPA
pairs( Y~X1+X2+X3, pch=19 ) 

> cor( cbind(X1,X2,X3) ) 
X1        X2        X3
X1 1.0000000 0.4425075 0.8883073
X2 0.4425075 1.0000000 0.7890032
X3 0.8883073 0.7890032 1.0000000