如何用R进行多重共线性检验与处理？

y <- data.frame(), x<- cor(y),  kappa(x, exact=T) 一般认为如果k大于1000就存在严重共线性，如果小与100就认为共线不大，在这之间就自己去判断是多强了。可以用对变量作主成分分析的方法来避免共线性的影响。

可以计算X矩阵的秩qr(X)$rank，如果不是满秩的，说明其中有Xi可以用其他的X的线性组合表示；也可以计算条件数kappa(X),如楼上所说，k<100,说明共线性程度小，如果100<k<1000,有较强的多重共线性，k>1000，存在严重的多重共线性。可以进行逐步回归，用step()命令,比如你一开始的模型是fm=lm(),step(fm)就可以了

来学习一下

学习一下

youyong

受教了

可以使用方差膨胀因子(VIF)

1. library(car)
   
2. vif(lm.sol)

复制代码

得到各个系数的方差膨胀因子，当0<VIF<10的时候，不存在多重共线性，当10<=VIF<100,存在较强的多重共线性，当VIF>=100，多重共线性非常严重。

学习学习学习

学习学习学习