R中glmnet的岭回归；使用 glmnet 包计算不同 lambda 值的 VIF

Question

我有一组多重共线变量，我正在尝试使用岭回归来解决这个问题。我glmnet在 R 中使用 alpha = 0的包（用于岭回归）。

library(glmnet)

我有一系列 lambda 值，我正在通过 cv.glmnet 选择最佳的 lambda 值

lambda <- 10^seq(10, -2, length = 100)

-- 创建模型矩阵并分配 y 变量

x <- model.matrix(dv ~ ., datamatrix) [,-1]
y <- datamatrix$dv

-- 使用交叉验证来确定最佳 lambda 并使用该 lambda 值预测 y

ridge.mod <- glmnet(x, y, alpha = 0, lambda = lambda)
cv.out <- cv.glmnet(x, y, alpha = 0)
ridge.pred <- predict(ridge.mod, s = cv.out$lambda.min, newx = x)

我能够成功做到这一点，但我还必须检查这个特定 lambda 值的 VIF，以确保系数已经稳定并且多重共线性得到控制。但我不确定如何在 GLMNET 中检查 VIF，因为通常的vif()函数会引发此错误。

vcov.default(mod) 中的错误：elnet、glmnet 类模型没有 vcov() 方法

您能否帮助我确定我的方法是否有问题或如何解决此问题？

VIF 是否不适用于 GLMNET 中的验证？

提前致谢。

Answer 1

VIF 仅是自变量集的属性。只要不改变独立变量（例如加性模型），因变量是什么以及使用哪种模型（线性回归、广义模型）并不重要。请参阅包vif中的函数car。因此，应用于弹性网络回归的 VIF 不会告诉您是否已处理多重共线性。它只能告诉您存在多重共线性需要处理。