R：忽略计算奇异的情况

Question

我有大量的预测变量，我正在尝试对它们进行各种变换，同时拟合强大的线性模型。这些组合中的一些产生计算奇异系统。我想知道如何识别这些系统？我尝试了以下内容（请注意，这是故意使其失败的愚蠢行为）：

xx <- data.frame(y = rnorm(100), x = (1:100), z = 2*(1:100))
zz <- try(rlm(y ~ x + z, data = xx))
Error in rlm.default(x, y, weights, method = method, wt.method = wt.method,  : 
  'x' is singular: singular fits are not implemented in 'rlm'
length(intersect(class(zz), "try-error")) == 1
[1] TRUE

然而，它不起作用。从某种意义上说，返回会打破运行它的循环。有关如何处理这个问题的任何想法？再次感谢！

Answer 1

这是一个多媒体的明显案例。

>library(usdm)
>a<-as.data.frame(cbind(xx$x,xx$z))
>vif(a)
     Variables VIF
 1        V1   Inf
 2        V2   Inf

有多种方法可以从数据中删除多重性。岭回归是一种很好的方法。

1.请参考Predictions of ridge regression in R

2.Principal Component analysis。 参考 约翰逊＆amp; Wichern（2001）。 应用多变量统计分析（第6版）。 Prentice Hall。