Cosa sono i "coefficienti con alias"?

24

Durante la creazione di un modello di regressione in R ( lm), ricevo spesso questo messaggio

"there are aliased coefficients in the model"

cosa significa esattamente?

Inoltre, a causa di ciò predict()sta dando anche un avvertimento.

Sebbene sia solo un avvertimento, voglio sapere come possiamo rilevare / rimuovere i coefficienti con alias prima di creare un modello.

Inoltre, quali sono le probabili conseguenze della mancata osservanza di questo avviso?

r regression

— Mohit Verma
fonte

32

Sospetto che questo non sia un errore lm, ma piuttosto vif(dal pacchetto car). Se è così, credo che tu abbia incontrato una perfetta multicollinearità . Per esempio

x1 <- rnorm( 100 )
x2 <- 2 * x1
y <- rnorm( 100 )
vif( lm( y ~ x1 + x2 ) )

produce il tuo errore.

In questo contesto, "alias" si riferisce alle variabili che dipendono linearmente dagli altri (cioè causano una perfetta multicollinearità).

Il primo passo verso la soluzione è identificare quali variabili sono i colpevoli. Correre

alias( lm( y ~ x1 + x2 ) )

per vedere un esempio.

— Tamas Ferenci
fonte

Grazie. La "multicollinearità" equivale a "coefficienti con alias"?

— Mohit Verma,

1

@MohitVerma: in questa terminologia '' alias '' si riferisce alle variabili che sono linearmente dipendenti (cioè causano una perfetta multicollinearità). Vedi stat.ethz.ch/R-manual/R-patched/library/stats/html/alias.html . Con questo aggiorno la risposta.

— Tamas Ferenci,

3

Ciò si presenta spesso quando si hanno singolarità nella X'Xmatrice di regressione (valori NA nel riepilogo dell'output di regressione).

Base R lm()consente valori singolari / perfetta multicollinearità come impostazione predefinita singular.ok = TRUE. Altri pacchetti / funzioni sono più conservativi.

Ad esempio, per la linearHypothesis()funzione nel carpacchetto, l'impostazione predefinita è singular.ok = FALSE. Se hai una perfetta multicollinearità nella tua regressione, linearHypothesis()restituirà un errore "ci sono coefficienti con alias nel modello". Per gestire questo errore, impostare singular.ok = TRUE. Fai attenzione, tuttavia, poiché ciò potrebbe mascherare la perfetta multicollinearità nella tua regressione.

— droghiere
fonte

0

forse è bello saperlo per alcuni: ho avuto questo errore anche quando ho aggiunto manichini a una regressione. R omette automaticamente un manichino, ma ciò provoca un errore nel test VIF. quindi una soluzione, per alcuni, potrebbe essere la rimozione manuale di un manichino.

— colpetto
fonte