→ allen1985: TOT_Incentive的值是什麼 你的三個變數 線性相依 07/19 11:52
推 LiamIssac: collinearity, check vif or condition number 07/19 11:53
推 LiamIssac: X有共線性 X'X就會less than full rank, OLS就不會是 07/19 11:55
→ LiamIssac: 唯一 07/19 11:55
推 Pieteacher: Inverse 爆掉啦 07/19 12:05
→ Chsieh: Full rank滿秩矩陣 07/19 15:27
→ yhliu: 三個自變數成立線性關係, 導致 X 矩陣不是 full rank 了, 07/19 17:17
→ yhliu: 還看什麼 vif, conditional number? 07/19 17:18
→ LiamIssac: 有可能只是很嚴重的collinearity 如果是perfect collin 07/19 22:35
→ LiamIssac: earity 那就基本違反Gauss Markov assumptions了 07/19 22:35
→ yhliu: Gauss-Markov assumption 沒有規定 X 矩陣必須是 full rank 07/20 08:30
→ yhliu: 吧? 非 full rank 只是使得迴歸係數不可估, 但 ls estimate 07/20 08:31
→ yhliu: 仍是 BLUE (for E[Y]). 07/20 08:32
→ yhliu: 既然軟體已判斷 X 不是 full rank, 就是 X'X 的 eigen valu 07/20 08:33
→ yhliu: 至少一個已可以說是 0, 還看什麼 vif, conditional number? 07/20 08:34
→ yhliu: SAS 的 GLM (一般線模) 程序處理的多的是 non full rank 的 07/20 08:35
推 LiamIssac: GM有規定no perfect collinearity 這是確保BLUE的其中 07/20 08:37
→ LiamIssac: 一個假設 原po的問題如果真的是perfect collinearity 07/20 08:37
→ LiamIssac: 那就沒戲 如果只是強共線 就還有機會找替代的biased es 07/20 08:37
→ LiamIssac: timate 07/20 08:37
→ yhliu: 情形, 所以才會有涉及 "可估函數". 如果 X 是 full rank, 07/20 08:37
→ yhliu: 任何模型參數(迴歸係數)的 linear function 包括各係數本身 07/20 08:38
→ yhliu: 都是可估的. 07/20 08:38
→ yhliu: 就算完全共線, 照樣可以找有偏估計. Ridge regression 可沒 07/20 08:40
→ yhliu: 規定完全共線的情形不能用. 07/20 08:41
推 LiamIssac: 對 但是問題在於 這時候的出發點OLS 本身就不是個好est 07/20 08:56
→ LiamIssac: imate (非 如果再ridge下去 只會更遭? 況且ridge本身就 07/20 08:56
→ LiamIssac: 不是個feasible的方法(以vif的角度來看) 所以perfect c 07/20 08:56
→ LiamIssac: ollinearity情況下 還是用pca regression等方法會好一 07/20 08:56
→ LiamIssac: 些 07/20 08:56