आर ( lm) में एक प्रतिगमन मॉडल का निर्माण करते समय , मुझे अक्सर यह संदेश मिल रहा है
"there are aliased coefficients in the model"इसका सही अर्थ में तात्पर्य क्या है?
साथ ही, इसके कारण predict()एक चेतावनी भी दे रहा है।
हालांकि यह सिर्फ एक चेतावनी है, मैं यह जानना चाहता हूं कि मॉडल बनाने से पहले हम कैसे अलियास गुणांक का पता लगा सकते हैं / हटा सकते हैं।
इसके अलावा, इस चेतावनी की उपेक्षा करने के संभावित परिणाम क्या हैं?
जवाबों:
मुझे संदेह है कि यह त्रुटि नहीं है lm, बल्कि vif(पैकेज से car) है। यदि हां, तो मेरा मानना है कि आप सही बहुसंस्कृति में भाग गए हैं । उदाहरण के लिए
x1 <- rnorm( 100 )
x2 <- 2 * x1
y <- rnorm( 100 )
vif( lm( y ~ x1 + x2 ) )अपनी त्रुटि पैदा करता है।
इस संदर्भ में, '' उर्फ '' उन चरों को संदर्भित करता है जो रैखिक रूप से दूसरों पर निर्भर होते हैं (अर्थात संपूर्ण बहुसंकेतन)।
समाधान की ओर पहला कदम यह पहचानना है कि कौन से चर (ओं) के अपराधी हैं। रन
alias( lm( y ~ x1 + x2 ) )एक उदाहरण देखना है।
यह अक्सर तब आता है जब आपके प्रतिगमन X'Xमैट्रिक्स में विलक्षणता होती है (प्रतिगमन आउटपुट के सारांश में एनए मान)।
बेस आर lm()विलक्षण मानों के लिए अनुमति देता है / डिफ़ॉल्ट के रूप में सही बहुस्तरीयता है singular.ok = TRUE। अन्य पैकेज / फ़ंक्शन अधिक रूढ़िवादी हैं।
उदाहरण के लिए, पैकेज linearHypothesis()में फ़ंक्शन के लिए car, डिफ़ॉल्ट है singular.ok = FALSE। यदि आपके पास अपने प्रतिगमन में एकदम सही बहुस्तरीयता है, linearHypothesis()तो "मॉडल में अलियास गुणांक" में एक त्रुटि वापस आ जाएगी। इस त्रुटि से निपटने के लिए, सेट करें singular.ok = TRUE। हालांकि, सावधान रहें, क्योंकि ऐसा करने से आपके रिग्रेशन में परफेक्ट मल्टीकोलिनरिटी हो सकती है।