如果数据包含分类和连续独立变量，有哪些不同的可用于检查多重共线性的措施？
我可以通过将分类变量转换为虚拟变量来使用VIF吗？由于我无法在互联网上找到任何参考资料，因此存在根本缺陷吗？
答案 0 :(得分：0)
Can I use VIF by converting categorical variables into dummy variables ?
是的，你可以。这种方法没有根本的缺陷。
if the data contains both categorical and continuous independent variables?
多重共线性并不关心它是分类变量还是整数变量。分类变量没有什么特别之处。将分类变量转换为二进制变量，并将它们视为所有其他变量。
我认为你的担忧是分类变量必须相互关联，这是一个有效的问题。假设参考类别中案例的比例很小的情况。让我们说有3个分类变量：超重，正常，体重不足。我们可以把它变成2个分类变量。然后，如果一个类别的数据非常小（正常人为百分之五，所有其他95人体重不足或超重），指标变量必然会有高VIF，即使分类变量没有关联与回归模型中的其他变量一起使用。
What are the different measures available to check for multicollinearity
检测多重共线性的一种方法是获取数据的相关矩阵，并检查相关矩阵的特征值。
特征值接近0表示数据是相关的。