আমি বর্তমানে কয়েকটি মিশ্র প্রভাব লিনিয়ার মডেল চালাচ্ছি।
আমি আর তে প্যাকেজ "lme4" ব্যবহার করছি
আমার মডেলগুলি ফর্মটি গ্রহণ করে:
model <- lmer(response ~ predictor1 + predictor2 + (1 | random effect))
আমার মডেলগুলি চালানোর আগে, আমি ভবিষ্যদ্বাণীকারীদের মধ্যে সম্ভাব্য বহুবিধ লাইনটি পরীক্ষা করেছিলাম।
আমি এটি দ্বারা:
ভবিষ্যদ্বাণীকারীদের একটি ডেটা ফ্রেম তৈরি করুন
dummy_df <- data.frame(predictor1, predictor2)
ভবিষ্যদ্বাণীকারীদের মধ্যে পিয়ারসন পারস্পরিক সম্পর্কের গণনা করতে "কর" ফাংশনটি ব্যবহার করুন।
correl_dummy_df <- round(cor(dummy_df, use = "pair"), 2)
যদি "correl_dummy_df" ০.৮০ এর চেয়ে বেশি হয়, তবে আমি সিদ্ধান্ত নিয়েছিলাম যে প্রিডিক্টর 1 এবং প্রেডিকটার 2 খুব বেশি সম্পর্কযুক্ত এবং সেগুলি আমার মডেলগুলিতে অন্তর্ভুক্ত ছিল না।
কিছু পঠন করার সময়, বহুবিধরেখা পরীক্ষা করার আরও উদ্দেশ্যমূলক উপায়গুলি উপস্থিত হতে পারে।
কারও কি এ সম্পর্কে কোন পরামর্শ আছে?
"ভেরিয়েন্স ইনফ্লেশন ফ্যাক্টর (ভিআইএফ)" মনে হচ্ছে একটি বৈধ পদ্ধতির মতো।
ভিএডিএইডি প্যাকেজের "করভিফ" ফাংশন (নন-ক্র্যান) ব্যবহার করে গণনা করা যায়। প্যাকেজটি http://www.highstat.com/book2.htm এ পাওয়া যাবে । প্যাকেজ নিম্নলিখিত বই সমর্থন করে:
জুয়ার, এএফ, আইএনো, এএন, ওয়াকার, এন।, সাভেলিভ, এএ এবং স্মিথ, জিএম ২০০৯ R আর, প্রথম সংস্করণ সহ বাস্তুশাস্ত্রে মিশ্রিত প্রভাব মডেল এবং এক্সটেনশন। স্প্রিংগার, নিউ ইয়র্ক।
থাম্বের একটি সাধারণ নিয়মের মতো দেখে মনে হচ্ছে ভিআইএফ> 5 হয় তবে ভবিষ্যদ্বাণীকারীদের মধ্যে বহুবিধ লম্বা হয়।
ভিআইএফ ব্যবহার করা কি পিয়ারসন পারস্পরিক সম্পর্কের চেয়ে বেশি শক্তিশালী?
হালনাগাদ
আমি এখানে একটি আকর্ষণীয় ব্লগ পেয়েছি:
http://hlplab.wordpress.com/2011/02/24/diagnosing-collinearity-in-lme4/
Lme4 প্যাকেজ থেকে মডেলগুলির জন্য ভিআইএফ গণনা করার জন্য ব্লগার কিছু দরকারী কোড সরবরাহ করে।
আমি কোডটি পরীক্ষা করেছি এবং এটি দুর্দান্ত কাজ করে। আমার পরবর্তী বিশ্লেষণে, আমি খুঁজে পেয়েছি যে বহু মডেলারিটি আমার মডেলগুলির জন্য কোনও সমস্যা ছিল না (সমস্ত ভিআইএফ মান <3)। এটি আকর্ষণীয় ছিল, যা আগে আমি কিছু ভবিষ্যদ্বাণীকের মধ্যে উচ্চ পিয়ারসন পারস্পরিক সম্পর্ক খুঁজে পেয়েছি।
http://highstat.com/Books/BGS/GAMM/RCodeP2/HighstatLibV6.R
AED
প্যাকেজ বন্ধ করা হয়েছে ; পরিবর্তে, শুধুsource("http://www.highstat.com/Book2/HighstatLibV6.R")
জন্যcorvif
ফাংশন। (২) সত্যিকারের জবাব দেওয়ার আশাবাদী, তবে (ক) আমি বিশ্বাস করি ভিআইএফ বহু বহুবিশ্লেষকে বিবেচনায় নিয়েছে (উদাহরণস্বরূপ আপনার তিনটি ভবিষ্যদ্বাণী থাকতে পারে যার কোনওটিরই শক্তিশালী জোড়যুক্ত সম্পর্ক নেই, তবে এ এবং বি এর রৈখিক সংমিশ্রণ সি এর সাথে দৃ strongly়ভাবে সম্পর্কযুক্ত) ) এবং (খ) কলিনারি শর্তগুলি বাদ দেওয়ার প্রজ্ঞা সম্পর্কে আমার দৃ strong় সংরক্ষণ রয়েছে; গ্রাহাম ইকোলজি 2003 দেখুন, ডয়ি: 10.1890 / 02-3114