分析R中的相关数据:线性,岭回归,PCR

Question

我有5个变量的时间序列观察,y, x_1, x_2, x_3, x_4任务是找出哪些xes负责变化y.现在问题是所有这些都是强相互关联的并且表现出共线性.x_1, x_2, x_3, x_4没有成对或以任何其他方式共同存在的隐藏组件 - 它们只是自然相关的.

可以预见的是,线性回归给出了不合理的结果,其中系数在去除其中一个变量后变化很大,这是高共线数据的正常图像.

正如维基上所述,多重共线性的一些补救措施是使用岭回归和主成分回归.但是,当我使用lm.ridge方法时,它给出了完全相同的系数lm.

在这种情况下PCR可以帮助吗？如果是这样,在R中检索系数和p值的简单方法是什么？像lm功能汇总表的东西.

Answer 1

看一下

Dormann等人.(2012年).共线性:审查处理它的方法和评估其性能的模拟研究. 付费墙,替代链接

审查可用的方法.

R代码和数据在这里可用:)