l**********e
发帖数: 336 | 1 假设数据X是多维变量，比如3维，要回归的Y是一维的。然后run线性回归，如果得到的
F-stat是3.31，p-value是0.045，这个算是模型显著吗？
另外，通常如果X的几个变量之间共线性/Co-linear严重，会需要一些对X的预处理（比
如用PCA降维）。但是，到底什么程度才算是共线性严重呢？比如对于3个变量，3个互
相关系数是0.24， 0.46，0.59，协方差矩阵的3个特征值分别是1.87, 0.77, 0.36，这
样的算共线性严重吗？
对于数据X的共线性问题，是不是可以有共线性的test去测试下？
谢谢！～～～ |
w*******9
发帖数: 1433 | 2 1. 说明此模型显著减小了原始y的方差。但这不表示这个模型很好，it only says it'
s superior to the simple model: y=const.
2. You can check the variance inflation factor. The pair wise correlation
coefficients will not tell strong correlation among 3 or more covariates.
But based on the eigenvalues you provided, I would say the multicollinearity
should not be a concern here.
Please use my advice with discretion. I may be wrong.
【在 l**********e 的大作中提到】
: 假设数据X是多维变量，比如3维，要回归的Y是一维的。然后run线性回归，如果得到的
: F-stat是3.31，p-value是0.045，这个算是模型显著吗？
: 另外，通常如果X的几个变量之间共线性/Co-linear严重，会需要一些对X的预处理（比
: 如用PCA降维）。但是，到底什么程度才算是共线性严重呢？比如对于3个变量，3个互
: 相关系数是0.24， 0.46，0.59，协方差矩阵的3个特征值分别是1.87, 0.77, 0.36，这
: 样的算共线性严重吗？
: 对于数据X的共线性问题，是不是可以有共线性的test去测试下？
: 谢谢！～～～
|
k*******a
发帖数: 772 | 3 用 VIF 来check multicolinearity |
l**********e
发帖数: 336 | 4 谢谢～～
1，got it，那就是此时F只是说beta系数不全为0。恩，那具体每个变量对应的beta是
否有效，是不是就去看相应的t-stat，如果t-stat的值大，对应的p-value小，就说明
这个系数起到了明显的回归作用？
2，那去看看怎么用variance inflation factor，赞～～
it'
multicollinearity
【在 w*******9 的大作中提到】
: 1. 说明此模型显著减小了原始y的方差。但这不表示这个模型很好，it only says it'
: s superior to the simple model: y=const.
: 2. You can check the variance inflation factor. The pair wise correlation
: coefficients will not tell strong correlation among 3 or more covariates.
: But based on the eigenvalues you provided, I would say the multicollinearity
: should not be a concern here.
: Please use my advice with discretion. I may be wrong.
|
l**********e
发帖数: 336 | 5 many thanks!
【在 k*******a 的大作中提到】
: 用 VIF 来check multicolinearity
|
c********d
发帖数: 253 | 6 光看模型显不显著是不行的，在没有其他模型比较的情况下，还要看看adjusted R2，
看看model的goodness of fit,从你提供的eigenvalues来看，multicollinearity不怎
么有影响，除了VIF之外，判别multicollinearity的一个方法就是算最大和最小的
eigenvalue的ratio，ratio很大的时候，一般,multicollinearity存在。 |
