다중공선성(Multicollinearity): 상관행렬과 VIF를 통해 다중공선성 문제를 분석하고 개선하는 방법

#다중공선성 #multicollinearity #VIF #분산팽창계수
제품의 개발과 품질개선을 위해, 핵심 성능에 대한 회귀분석 방법을 사용하여, 성능개선의 포인트를 찾아 개선에 활용합니다. 회귀분석은, 종속변수와 독립변수간의 회귀관계를 확인하여 활용하는 것인데, 오늘 설명드리려는 다중공선성 문제는, 회귀분석에서 종속변수가 아닌, 회귀분석에 사용된, 많은 독립변수들 간에 강한 상관관계가 나타나는 문제입니다. 다중공선성이 높으면, 각 독립변수의 반응치인 종속변수에 대한 설명력이 낮게 해석되어, 큰 오류를 범할 수 있기 때문에, 꼭 확인해 보아야 합니다. 다중공선성이 존재하면, 특정 변수에 대한 효과를 제대로 측정할 수 없으므로, 이 문제를 반드시 해결하여야 합니다. 오늘은, 과연 다중공선성이 무엇인지, 그리고 다중공선성의 존재를 확인할 수 있는 기본적인 두 가지 방법으로, 상관행렬 간에 상관분석에 의한 방법과, VIF, 즉, 분산팽창계수를 어떻게 손쉽게 계산하여 다중공선성을 확인하고, 개선하는 방법에 대해 설명드리겠습니다.
#다중공선성 #multicollinearity #VIF #분산팽창계수
세미나, 컨설팅 요청,
[e-mail] ...