避免多重共線性
回到我們的銷售資料集 salesData，它已經載入到工作空間中。另外，rms 套件也已載入。
現在來估計一個多元線性迴歸吧！當然，我們想要善用資料集中所有變數。
本練習屬於課程
R 的行銷分析機器學習
練習說明
- 建立一個完整模型
salesModel1，使用除id之外的所有變數，來解釋本月的銷售額。為此，請在以下範本語法中填入正確的變數名稱：response ~ . - excluded_variable。這可以讀作「以除了excluded_variable以外的所有變數來建模response」。 - 使用
rms套件的vif()函式估計變異數膨脹因子。 - 除了排除變數
id，也移除變數preferredBrand和nBrands以避免多重共線性。方法是為每個要排除的變數都加上-。將這個模型存到名為salesModel2的物件中。 - 重新估計模型的變異數膨脹因子。現在你會接受這些結果嗎？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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
___