Evitarea multicolinearității

Revenim la setul de date salesData, care este deja încărcat în spațiul de lucru. În plus, pachetul rms este încărcat.

Hai să estimăm o regresie liniară multiplă! Vom folosi toate variabilele disponibile în set de date.

Acest exercițiu face parte din cursul

Machine Learning pentru Analiză de Marketing în R

Vezi cursul

Instrucțiuni pentru exercițiu

Calculează un model complet numit salesModel1, folosind toate variabilele cu excepția id, pentru a explica vânzările din luna curentă. Completează sintaxa de mai jos cu numele potrivite ale variabilelor: response ~ . - excluded_variable. Aceasta se citește astfel: "response modelat de toate variabilele, cu excepția excluded_variable."
Estimează factorii de inflație a varianței folosind funcția vif() din pachetul rms.
Pe lângă excluderea variabilei id, elimină și variabilele preferredBrand și nBrands pentru a evita multicolinearitatea. Faci asta adăugând - înaintea fiecăreia dintre ele. Stochează modelul într-un obiect numit salesModel2.
Reestimează factorii de inflație a varianței pentru noul model. Acum rezultatele sunt acceptabile?

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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
___

Editează și rulează codul