方差膨脹係數(variance inflation factor，vif)是衡量多元線性回歸模型中復 (多重)共線性嚴重程度的一種度量。它表示回歸係數估計量的方差與假設自變數間不線性相關時方差相比的比值。
通常以10作為判斷邊界。當vif<10,不存在多重共線性；當10<=vif<100,存在較強的多重共線性；當vif>=100, 存在嚴重多重共線性。
例子
from sklearn.datasets import load_iris
from sklearn.preprocessing import minmaxscaler
from statsmodels.stats.outliers_influence import variance_inflation_factor
import numpy as np
import pandas as pd
min_max_scaler = minmaxscaler(
)iris = load_iris(
)iris_scaler = min_max_scaler.fit_transform(iris.data)
iris_scaler = pd.dataframe(iris_scaler)
iris_scaler[
'target'
]= iris.target
x = np.matrix(iris_scaler)
vif_list =
[variance_inflation_factor(x, i)
for i in
range
(x.shape[1]
)]print
(vif_list)
[
28.06795814087517
,3.80566826039568
,85.84941787221807
,60.42475320136888
,35.615649563661286
]
多重共線性
多重共線性的概念 模型解釋變數之間存在完全線性相關或不完全線性相關關係 產生的原因 1 特徵變數之間的內在聯絡 2 特徵變數在時間上有同方向變動的趨勢 3 某些變數的滯後 檢驗的方法 1 相關性分析 2 方差膨脹因子 方差膨脹因子 variance inflation factor，vif 容忍度的...
r語言多重共線性 統計基礎 多重共線性
僅用於個人學習知識整理和sas r語言 python 整理 該文章首發於csdn 正在遷移優化文章中 1.定義 則稱自變數間存在完全多重共線性 2.影響 3.診斷 另外找到乙個比較詳細的診斷方法的列舉 線性回歸多重共線性的診斷方法和r語言實現 線性回歸多重共線性的診斷方法和r語言實現 資料分析與資料...
多重共線性處理方法
自變數 解釋變數 之間彼此相關的現象，我們稱這種現象為多重共線性。手動移除出共線性的變數 先做下相關分析，如果發現某兩個自變數x 解釋變數 的相關係數值大於0.7，則移除掉乙個自變數 解釋變數 然後再做回歸分析。此方法是最直接的方法，但有的時候我們不希望把某個自變數從模型中剔除，這樣就要考慮使用其他...