Şu anda bazı karışık efektli doğrusal modeller kullanıyorum.
R içinde "lme4" paketini kullanıyorum.
Modellerim şu formu alıyor:
model <- lmer(response ~ predictor1 + predictor2 + (1 | random effect))
Modellerimi çalıştırmadan önce, öngörücüler arasında olası çoklu bağlantı olup olmadığını kontrol ettim.
Bunu ben yaptım:
Tahmin edicilerin bir veri çerçevesi oluşturun
dummy_df <- data.frame(predictor1, predictor2)
Prediktörler arasındaki Pearson korelasyonunu hesaplamak için "cor" fonksiyonunu kullanın.
correl_dummy_df <- round(cor(dummy_df, use = "pair"), 2)
"Correl_dummy_df" 0,80'den büyükse, yordayıcı1 ve yordayıcı2'nin çok yüksek korelasyonlu olduğuna ve modellerime dahil edilmediğine karar verdim.
Bazı okumalar yaparken, çoklu doğrusallığı kontrol etmenin daha nesnel yolları görünecektir.
Bunun hakkında bir tavsiyesi olan var mı?
"Varyans Enflasyon Faktörü (VIF)" geçerli bir yöntem gibi gözüküyor.
VIF, AED paketindeki (vinçsiz) "corvif" işlevi kullanılarak hesaplanabilir. Paket http://www.highstat.com/book2.htm adresinde bulunabilir . Paket aşağıdaki kitabı desteklemektedir:
Zuur, AF, İeno, EN, Walker, N., Saveliev, AA ve Smith, GM 2009. R, ekolojide karışık etki modelleri ve uzantıları, 1. baskı. Springer, New York.
Genel bir kural gibi gözüküyorsa, VIF> 5 ise, yordayıcılar arasında çoklu doğrusallık yüksek olur.
VIF kullanmak basit Pearson korelasyonundan daha mı sağlam?
Güncelleştirme
Şurada ilginç bir blog buldum:
http://hlplab.wordpress.com/2011/02/24/diagnosing-collinearity-in-lme4/
Blogcu, lme4 paketindeki modeller için VIF değerini hesaplamak için bazı yararlı kodlar sağlar.
Kodu test ettim ve harika çalışıyor. Daha sonraki analizlerimde, çoklu bağlantı bağlantısının modellerim için bir sorun olmadığını tespit ettim (tüm VIF değerleri <3). Bazı tahminciler arasında daha önce yüksek Pearson korelasyonu bulduğum göz önüne alındığında bu ilginçti.
http://highstat.com/Books/BGS/GAMM/RCodeP2/HighstatLibV6.R
AED
Paketin üretimine son verildi ; bunun yerine, sadecesource("http://www.highstat.com/Book2/HighstatLibV6.R")
içincorvif
işlevi. (2) Gerçek bir cevap vermeyi ümit ediyorum, ancak (a) VIF'in çoklu bağlayıcılığı dikkate aldığına inanıyorum (örneğin, hiçbiri güçlü ikili bağıntılara sahip olmayan üç öngörücünüz olabilir, ancak A ve B'nin doğrusal kombinasyonu C ile güçlü bir şekilde ilişkilendirilir. ) ve (b) collinear koşullarını bırakma bilgisine dair güçlü çekincelerim var; bkz. Graham Ecology 2003, doi: 10.1890 / 02-3114