- 发帖可能变空内容,邪门暂不知所以然
- 『稷下学宫』新认证方式,24年网站打算和努力目标
主题:【求助】又当伸手党了,非常惭愧,这次是最小二乘的问题 -- 上善若水
1.主成分分析其实就是对原来的变量进行正交变换降维,同时尽可能的提取原来变量中的信息。如果你能确保只有X2 X3是高度相关的,那么就只需要对X2 X3进行变换。 这样的话,就更简单了,并不一定非局限于主成分分析了。
像老农民的取均值的方法就常用而且直接。 如果想解释的话,可以考虑 一下取均值之后 y=1/2*X2+1/2*X3的 方差 和 var(X1)+var (X2)的差距,看看信息损失多少。 当然也可以直接用主成分分析,唯一的 不同就是这个是正交变换,y=a1*X1+a2*X2,你这种情况肯定是只能取第一主成分了,基本上应该解释绝大多数的方差变异了,一般来讲如果这个大于85%就是非常好了。
但是一上来扔东西肯定是不可取的。我觉得老农民说扔掉其中一个变量,可能就是先直接回归,也别管是不是相关。 如果有权重系数特别低,这样情况下,确实可以考虑扔掉一个,但得慎重。
2.关于脊回归的K,这个没有硬性规定的,当然是k越小越好,但是K越靠近0, 参数估计越不稳定。所以一般都是要取一个区间I=[0,a]的,进行比较。如果参数估计稳定了,那就应该差不多了。
这有个链接,是用SAS做的最简单的脊回归。当然也可以用R。
http://www.faculty.sfasu.edu/cobledean/Regression/Examples/RidgeRegressionExample.pdf
- 相关回复 上下关系8
🙂可不可以这样呢? 1 foureyes 字90 2011-08-05 10:33:58
🙂可以试一下这两种方法。 2 小春风 字294 2011-08-03 10:41:20
🙂谢谢春兄 上善若水 字228 2011-08-04 22:42:44
🙂主成分分析。
🙂复共线性 1 老农民 字117 2011-08-02 22:05:33
🙂实际上,就是要求X2,X3的影响 上善若水 字339 2011-08-02 22:39:04
🙂x2和x3不互相独立 1 老农民 字242 2011-08-02 23:22:00
🙂冒昧地说一句 3 南寒 字134 2011-08-04 20:00:59