การจัดการกับ Multicollinearity

ในแบบฝึกหัดก่อนหน้า คุณพบว่าโมเดลมี multicollinearity โดยดูจากค่า VIF ของตัวแปรอิสระ ทำตามขั้นตอนด้านล่างเพื่อแก้ปัญหา multicollinearity:

ขั้นตอนที่ 1: คำนวณค่า VIF ของโมเดล
ขั้นตอนที่ 2: ตรวจสอบว่าตัวแปรใดมีค่า VIF มากกว่าหรือเท่ากับ 5
- ขั้นตอนที่ 2a: ถ้าตัวแปรใดมีค่า VIF มากกว่าหรือเท่ากับ 5 ให้นำตัวแปรนั้นออกจากโมเดล
- ขั้นตอนที่ 2b: ถ้ามีหลายตัวแปรที่มีค่า VIF มากกว่า 5 ให้นำเฉพาะตัวแปรที่มีค่า VIF สูงสุดออกก่อน
ขั้นตอนที่ 3: ทำซ้ำขั้นตอนที่ 1 และ 2 จนกว่าค่า VIF ของทุกตัวแปรจะน้อยกว่า 5

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

HR Analytics: การพยากรณ์การลาออกของพนักงานด้วย R

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Remove level
model_1 <- glm(turnover ~ . - ___, family = "binomial", 
               data = train_set_multi)

# Check multicollinearity again
___

# Which variable has the highest VIF value?
highest <- ___

แก้ไขและรันโค้ด