日期:2024-11-13 15:22
,也称为R。R用于评估回归模型对数据的拟合优度。例如,R = 0.9意味着目标变量(ŷ)中90%的变异可以由模型中的自变量解释。
VIF的工作原理
VIF通过以下步骤帮助我们识别和消除模型中的多重共线性:
步骤1:对每个自变量建立一个线性回归模型,使用数据集中的其他自变量作为预测变量。这意味着我们不是直接预测目标变量(ŷ),而是尝试用其他自变量来解释每个自变量。
例如:
X₁ = X₂ + X₃ + + Xₚ
X₂ = X₁ + X₃ + + Xₚ
X₃ = X₁ + X₂ + + Xₚ
在VIF的计算过程中,我们为每个自变量拟合一个