解释Alias表测试R中模型的多重共线性

Question

有人可以帮我解释别名函数输出，以测试多元回归模型中的多重共线性。我知道模型中的某些预测变量高度相关，因此我想使用别名表来识别它们。

Model :
Score ~ Comments + Pros + Cons + Advice + Response + Value + Recommendation 
+ 6Months + 12Months + 2Years + 3Years + Daily + Weekly + Monthly

Complete :
            (Intercept) Comments Pros Cons Advice Response Value1
UseMonthly1      0           0    0    0    0      0          0                
             Recommendation1 6Months1 12Months1 2Years1
UseMonthly1   0               1        1       1             
             3Years1 Daily1 Weekly1
UseMonthly1  1         -1        -1    

值，建议，6个月，12个月，2年，3年，每日，每周和每月是二进制分类变量。
分数，评论，优点，缺点，建议和响应是数字变量。

我可以假设UseMonthly与6月，12月，2年，3年，每日，每周高度相关吗？别名输出中的1和-1值有什么区别？它是正相关还是负相关？

Answer 1

“完整”矩阵中的非零项表明这些项与线性相关UseMonthly。这意味着它们是高度相关的，但是术语可以是高度相关的，而不会线性相关。

如果您的目的是识别和删除相关变量，则应该删除UseMonthly，但您可能还希望删除其他变量。识别可能在多重共线性方面存在问题的变量的常用方法是搜索大方差膨胀因子（例如，由计算car::vif）。