解释别名表测试R中模型的多重共线性

Question

有人可以帮我解释别名函数输出，以测试多重回归模型中的多重共线性。我知道我的模型中的一些预测变量是高度相关的，我想使用别名表来识别它们。

Model :
Score ~ Comments + Pros + Cons + Advice + Response + Value + Recommendation 
+ 6Months + 12Months + 2Years + 3Years + Daily + Weekly + Monthly

Complete :
            (Intercept) Comments Pros Cons Advice Response Value1
UseMonthly1      0           0    0    0    0      0          0                
             Recommendation1 6Months1 12Months1 2Years1
UseMonthly1   0               1        1       1             
             3Years1 Daily1 Weekly1
UseMonthly1  1         -1        -1    

Value、Recommendation、6Months、12Months、2Years、3Years、Daily、Weekly 和 Monthly 是二元分类变量。
分数、评论、优点、缺点、建议和响应是数字变量。

我可以假设 UseMonthly 与 6Months、12Months、2Years、3Years、Daily、Weekly 高度相关吗？别名输出中的 1 和 -1 值有什么区别？是正相关还是负相关？

Answer 1

“完整”矩阵中的非零条目显示这些术语是线性依赖于UseMonthly。这意味着它们具有高度相关性，但术语可以高度相关而不会线性地依赖。

如果您的目的是识别和删除相关变量，则应删除UseMonthly，但您可能也希望删除其他人。识别可能对于多色性问题可能有问题的变量的常见方法是搜索大的差异充气因子（由例如car::vif）计算。