VIFとはどういう意味ですか？
質問者：Safaa Boronstein |最終更新日：2020年2月9日
カテゴリ：ビジネスおよび金融販売
分散拡大係数
値が高いほど、変数と他の変数との相関が高くなります。 4または5を超える値は中程度から高いと見なされることがあり、10以上の値は非常に高いと見なされます。これらの数値は経験則にすぎません。状況によっては、 VIFが2の場合に大きな問題になる可能性があります。
また、VIFはどのように計算されますか？分散拡大係数（ VIF ）は、重回帰内の予測変数間の共線性の尺度です。これは、特定のモデルのすべてのベータの分散を、単独で適合した場合の単一のベータの分散で割った比率をとることによって計算されます。
上記のほかに、Vifが無限であるのはなぜですか？
完全な相関関係がある場合、 VIF =無限大です。 VIFの値が大きい場合は、変数間に相関関係があることを示しています。 VIFが4の場合、これは、多重共線性が存在するため、モデル係数の分散が4倍に膨らむことを意味します。
無限VIFとはどういう意味ですか？
ユーザーは、対応するチェックボックスをオンにして、含める変数を選択する必要があります。無限のVIF値は、対応する変数が他の変数の線形結合によって正確に表現される可能性があることを示します（無限のVIFも示します）。
30の関連する質問の回答が見つかりました
良いVIFとは何ですか？
既知のことは、 VIFが増加するほど、回帰結果の信頼性が低下することです。一般に、10を超えるVIFは高い相関関係を示し、懸念の原因となります。一部の著者は、2.5以上のより保守的なレベルを提案しています。高いVIFがまったく心配する必要がない場合もあります。
どのVIFが受け入れられますか？
VIFの許容レベルに関するさまざまな推奨事項が文献に公開されています。おそらく最も一般的には、 VIFの最大レベルとして10の値が推奨されています（たとえば、Hair、Anderson、Tatham、およびBlack、1995、Kennedy、1992、Marquardt、1970、Neter、Wasserman、およびKutner、1989）。
1のVIFはどういう意味ですか？
値1は、予測子が他の変数と相関していないことを意味します。 1つの変数のVIFが高い場合、他の変数もVIFが高い必要があることを意味します。最も単純なケースでは、2つの変数は高度に相関しており、それぞれが同じ高いVIFを持ちます。
許容誤差とVIFとは何ですか？
概要。分散拡大係数（ VIF ）と許容誤差は、重回帰の共線性を診断するための2つの密接に関連する統計です。これらは、分析内の他のすべての予測子で予測子を回帰することによって取得されたR2乗値に基づいています。許容差はVIFの逆数です。
VIFを手動で計算するにはどうすればよいですか？
VIFは、1を許容誤差で割ったものとして計算されます。許容誤差は1からRの2乗を引いたものとして定義されます。この場合、ボリュームのVIFは1 /（1-0.584）になり、2.4になります。変数のVIFが1の場合、その変数に多重共線性がないことを示します。これらの値が大きくなると、多重共線性が増加することを示します。
多重共線性が存在する場合はどうなりますか？
多重共線性は、回帰モデルの独立変数が相関している場合に発生します。独立変数は独立している必要があるため、この相関関係は問題です。変数間の相関度が十分に高い場合には、それはあなたがモデルに適合する際の問題を引き起こし、結果を解釈することができます。
多重共線性が存在する場合はどうすればよいですか？
次のいずれかを試してください。
- モデルから相関性の高い予測子を削除します。 VIFが高い因子が2つ以上ある場合は、モデルから1つを削除します。
- 部分最小二乗回帰（PLS）または主成分分析を使用します。これは、予測子の数を無相関成分のより少ないセットに削減する回帰法です。
多重共線性は決定係数に影響しますか？
多重共線性は多くの問題を引き起こす可能性があります。ただし、多重共線性はモデルの適合度に影響しないこともわかりました。モデルが残余の仮定を満たし、十分な予測R 2乗を持っている場合、重度の多重共線性を持つモデルでさえ、優れた予測を生成できます。
ロジスティック回帰におけるVifとは何ですか？
VIFは、モデル内の予測変数間に相関関係が存在することにより、推定された回帰係数bkの分散がどの程度「膨張」したかを示す尺度です。
高い多重共線性とは何ですか？
多重共線性は、独立変数間の非常に高い相互相関または相互関連の状態です。したがって、これはデータの一種の妨害であり、データに存在する場合、データについて行われた統計的推論は信頼できない可能性があります。
GVIF Rとは何ですか？
GVIFは、直交データで得られるものと比較した、予測変数の係数の信頼楕円または楕円体のサイズのインフレとして解釈できます（Fox and Weisberg、2011）。
重回帰の許容誤差とは何ですか？
許容誤差（重回帰）変数の許容誤差は、1から、この変数と回帰方程式の他のすべての独立変数との多重相関の2乗を引いたものとして定義されます。詳細については、「重回帰モデルの定義」ダイアログボックスのトピックを参照してください。
線形回帰は外れ値に敏感ですか？
まず、線形回帰は線形である独立変数と従属変数の間の関係を必要とします。線形回帰は外れ値の影響に敏感であるため、外れ値をチェックすることも重要です。多重共線性は、独立変数の相関が高すぎる場合に発生します。
分散拡大係数をどのように使用しますか？
分散拡大係数（ VIF ）は、複数の回帰変数のセットにおける多重共線性の量の尺度です。数学的には、回帰モデル変数のVIFは、その単一の独立変数のみを含むモデルの分散に対するモデル全体の分散の比率に等しくなります。
回帰における多重共線性とは何ですか？
多重共線は、複数の回帰モデル中の2つ以上の説明変数が高度に線形的に関連している状況を指します。たとえば、上記の式のように、2つの独立変数間の相関が1または-1に等しい場合、完全な多重共線性が得られます。
VIFのカットオフは何ですか？
VIFを高いと見なすために、4または10のカットオフ値が指定されることがあります。ただし、標準誤差の他の要素（サンプルサイズなど）のコンテキストでVIFの結果を評価することが重要です（Gordon、2015：451）。
等分散性とはどういう意味ですか？
等分散性。等分散性は（独立変数と従属変数との関係における「ノイズ」又はランダム外乱である）誤差項が独立変数の全ての値にわたって同じである状況を説明しています。