Jak se vyhnout multikolinearitě

Vrátíme se k našemu prodejnímu datasetu salesData, který je už načtený v pracovním prostředí. Navíc je načtený i balíček rms.

Odhadneme vícenásobnou lineární regresi! Přitom chceme využít všechny proměnné, které jsou v datasetu k dispozici.

Toto cvičení je součástí kurzu

Machine Learning for Marketing Analytics in R

Zobrazit kurz

Pokyny k cvičení

Sestav úplný model s názvem salesModel1 využívající všechny proměnné kromě id, aby vysvětloval prodeje v tomto měsíci. K tomu doplň správné názvy proměnných do následující vzorové syntaxe: response ~ . - excluded_variable. Čte se to jako "response modelované pomocí všech proměnných kromě excluded_variable."
Odhadni faktory změny rozptylu pomocí funkce vif() z balíčku rms.
Kromě vyloučení proměnné id odstraň také proměnné preferredBrand a nBrands, aby se předešlo multikolinearitě. Každou z nich vylučuješ přidáním - před její název. Model ulož do objektu salesModel2.
Znovu odhadni faktory změny rozptylu pro tento model. Jsou teď výsledky přijatelné?

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Estimating the full model
salesModel1 <- lm(salesThisMon ~ . - ___, 
                 data = salesData)

# Checking variance inflation factors
vif(___)

# Estimating new model by removing information on brand
salesModel2 <- lm(salesThisMon ~ . - ___, 
                 data = ___)

# Checking variance inflation factors
___

Upravit a spustit kód