※ 引述《[email protected] (......)》之铭言： > 我目前要用一个模型来看 某种昆虫数量变化与气候因子的关系 > 应变相当然是昆虫的数量， 自变相就是各种气候的指标（包括 温度、雨量、湿度 > 前两周的均温、前两周的累积雨量.......诸如此类） > 由於我的自变相之间具有高度的共线性 > 因此我想利用主成分分析来转换挑选出新的变相，不知道这个观念正确吗？ > 还是我是说我必须先利用因素分析来找出背後的相关性，再利用PCA来挑变相？ > 我对於解决变相间共线性的问题不是很熟悉，请问还有其他的方法吗？ > 我原本想运用Time series analysis来作分析 因为我有20年的资料， > 可是我发现如果我fit到high order的model 会产生无法解释的窘境... > 麻烦高手给些意见罗！ 谢谢！ 因为是时间数列资料, 可能诸变数受共同因素或自然趋势 影响而有高度关联. 影响所及, 不仅解释变数间会有共线 性问题, 反应变数与解释变数间的关联也不正确. 修正方 法可尝试 (不是全部可能方案, 也不能说是最适方案): (1) 考虑误差项之间有某种型态的序列相关. (2) 考虑 "变化量" 而非原数量. (3) 加入 "趋势" 效应项. 至於线性回归模型中解决自变数共线性问题, 主成分回归 与脊回归, 是两种简单的方式. 其中主成分回归就是将解 释变数做主成分变换, 然後撷取重要主成分当模型的解释 变数, 最後再将配适的回归模型转回用原变数表示. -- 来自统计专业的召唤... 无名小站 telnet://wretch.twbbs.org Statistics (统计方法讨论区) 成大计中站 telnet://bbs.ncku.edu.tw Statistics (统计方法及学理讨论区) 盈月与繁星 telnet://ms.twbbs.org Statistics (统计：让数字说话) 交大资讯次世代 telnet://bs2.twbbs.org Statistics (统计与机率) ★本文未经本人同意请勿转载; 回覆请勿全文引用, 请仅留下直接涉及部分。 -- 夫兵者不祥之器物或恶之故有道者不处君子居则贵左用兵则贵右兵者不祥之器非君子 之器不得已而用之恬淡为上胜而不美而美之者是乐杀人夫乐杀人者则不可得志於天下 矣吉事尚左凶事尚右偏将军居左上将军居右言以丧礼处之杀人之众以哀悲泣之战胜以 丧礼处之道常无名朴虽小天下莫能臣侯王若能守之万物将自宾天地相合以降甘露民莫 之令而自均始制有名名亦既有夫亦将知止知止可以不殆譬道之在天 163.15.188.87海