R ( lm) 로 회귀 모델을 작성하는 동안 이 메시지가 자주 나타납니다.
"there are aliased coefficients in the model"정확히 무엇을 의미합니까?
또한 이로 인해 predict()경고가 표시됩니다.
경고 일 뿐이지 만 모델을 만들기 전에 앨리어싱 된 계수를 어떻게 감지 / 제거 할 수 있는지 알고 싶습니다.
또한이 경고를 무시한 결과는 무엇입니까?
답변
나는 이것이 오류가 lm아니라 vif(패키지의 car) 오류라고 생각합니다 . 그렇다면 완벽한 다중 공선 성 을 경험했다고 생각합니다 . 예를 들어
x1 <- rnorm( 100 )
x2 <- 2 * x1
y <- rnorm( 100 )
vif( lm( y ~ x1 + x2 ) )오류가 발생합니다.
이와 관련하여“별칭 ”은 다른 변수에 선형 적으로 의존하는 변수를 말합니다 (즉, 완전한 다중 공선 성을 유발합니다).
솔루션을 향한 첫 번째 단계는 범인이되는 변수를 식별하는 것입니다. 운영
alias( lm( y ~ x1 + x2 ) )예를 볼 수 있습니다.
답변
회귀 X'X행렬에 특이점이있을 때 종종 발생합니다 (회귀 출력 요약에서 NA 값).
기수 R lm()은 기본값이이므로 특이 값 / 완벽한 다중 공선 성을 허용합니다 singular.ok = TRUE. 다른 패키지 / 기능은 더 보수적입니다.
예를 들어, 패키지 의 linearHypothesis()기능에 car대한 기본값은 singular.ok = FALSE입니다. 회귀 분석에 완벽한 다중 공선 성이 linearHypothesis()있는 경우 “모델에 별칭이 있습니다”라는 오류가 반환됩니다. 이 오류를 처리하려면을 설정하십시오 singular.ok = TRUE. 그러나 이렇게하면 회귀 분석에서 완벽한 다중 공선 성을 숨길 수 있으므로주의하십시오.
답변
어쩌면 일부에 대해 아는 것이 좋을 것입니다. 회귀에 인형을 추가했을 때도이 오류가 발생했습니다. R은 하나의 더미를 자동으로 생략하지만 vif 테스트에서 오류가 발생합니다. 따라서 일부 솔루션은 더미 하나를 수동으로 제거 할 수 있습니다.