Yaşadığınız problem (yani, "tekillikler") çoklu-doğrusallık örneği olarak düşünülebilir . Çoklu doğrusallık genellikle şu şekilde tanımlanır:
Bir veya daha fazla öngörücü değişken, diğer öngörücü değişkenlerin doğrusal bir birleşimidir.
Aslında bu oldukça katı bir tanımdır; öyle mükemmel çoklu bağlantı ve kolayca olmanın değişkenlerinizin herhangi olmadan multicollinearity ile ilgili bir sorun olabilir mükemmel başkalarının doğrusal kombinasyonlarını. Ayrıca, nadiren mükemmel çoklu doğrusallık oluşur. Ancak, bunun meydana gelebileceği bir durumla karşılaştınız. Bize nasıl görmesini ister mükemmel tahmin medium quality
Diğer iki kategoriden bizim bilgisinden (biz bir regresyon modeli ile yapacağım medium quality
olduğu , ve & şunlardır X 1 & X 2 , sırasıyla): Y = β 0 + β 1Ybad quality
high quality
X1X2
, hata terimi olduğunu Not ε
Y=β0+β1X1+β2X2
ε Belirtilen , çünkü bunu mükemmel bir şekilde tahmin edebiliriz. Bunun için
,
β 1 = - 1 ve
β 2 = - 1 ayarladık . Şimdi, varsa , o zaman
X 1 = 1 , dışarı iptal eden
β 0 (
1β0=1β1=−1β2=−1bad quality
X1= 1β0 ) ve
X 2 = 0 olacak şekilde terim de iptal edilir (
- 1 × 0 ). Böylece, bir tahmin değeri ile bırakılır
0 için
Y (tam doğru). Diğer olasılıkları çözmek için size bırakacağım (her zaman, sizin durumunuzda çalışır).
1+- 1x1X2= 0- 1 × 00Ymedium quality
O zaman ne yapmalısın? Kategorik bir değişkeni temsil ederken, genellikle referans hücre kodlaması kullanırız (genellikle 'sahte kodlama' olarak adlandırılır). Bunu yapmak için, kategorik değişkenimizin bir seviyesini referans seviyesi olarak seçiyoruz; seviye kendi kukla kodu almıyor, ama basitçe bütün alarak belirtilmek Diğer tüm seviyeleri için kukla kodlarında 's. Kategorik değişkeninizin diğer seviyeleri, daha önce yaptığınız gibi kukla kodlarla temsil edilir. (Bununla ilgili daha fazla bilgi için cevabımı burada görebilirsiniz: Regresyon, örneğin haftanın günlerine göre .)0R
, bir factor
veR
hepsini sizin için yapacak - doğru bir şekilde yapılacak ve çok daha uygun - yine de, 'perde arkasında' olan şeyin bu olduğunu anlamaya değer.