※ 引述《[email protected] (老怪物)》之銘言： : ※ 引述《[email protected] (......)》之銘言： : > 我目前要用一個模型來看 某種昆蟲數量變化與氣候因子的關係 : > 應變相當然是昆蟲的數量， 自變相就是各種氣候的指標（包括 溫度、雨量、濕度 : > 前兩週的均溫、前兩週的累積雨量.......諸如此類） : > 由於我的自變相之間具有高度的共線性 : > 因此我想利用主成分分析來轉換挑選出新的變相，不知道這個觀念正確嗎？ : > 還是我是說我必須先利用因素分析來找出背後的相關性，再利用PCA來挑變相？ : > 我對於解決變相間共線性的問題不是很熟悉，請問還有其他的方法嗎？ : > 我原本想運用Time series analysis來作分析 因為我有20年的資料， : > 可是我發現如果我fit到high order的model 會產生無法解釋的窘境... : > 麻煩高手給些意見囉！ 謝謝！ : 因為是時間數列資料, 可能諸變數受共同因素或自然趨勢 : 影響而有高度關聯. 影響所及, 不僅解釋變數間會有共線 : 性問題, 反應變數與解釋變數間的關聯也不正確. 修正方 : 法可嘗試 (不是全部可能方案, 也不能說是最適方案): : (1) 考慮誤差項之間有某種型態的序列相關. : (2) 考慮 "變化量" 而非原數量. : (3) 加入 "趨勢" 效應項. : 至於線性迴歸模型中解決自變數共線性問題, 主成分迴歸 : 與脊迴歸, 是兩種簡單的方式. 其中主成分迴歸就是將解 : 釋變數做主成分變換, 然後擷取重要主成分當模型的解釋 : 變數, 最後再將配適的迴歸模型轉回用原變數表示. 謝謝！ 我想我會先使用PCA試看看！ 基本上我雖然有二十年的資料 但不是連續性的， 資料點是從每年的五月到九月（該昆蟲的季節） 以每兩週作為時間的單位（符合昆蟲的生活史）， 所以氣候相關的數據皆是以每兩週做累積或平均。 您上述所提的加入趨勢項，我並不是很瞭解，這樣對於解釋共線性有什麼作用？ 此外，我最近在paper讀到有一種 sequential regression可用來解決共線性的問題 不過我不清楚他在SAS下面要如何操作 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 141.211.10.132