我使用glmnet来解决多重共线性问题，为了获得最佳lambda，我想计算变量之间的VIF

Question

我正在使用glmnet，为了获得最好的lambda，我想检查变量之间的VIF。谁能建议我怎样才能做到这一点？

以下是我关注的代码， fielddfm 是包含自变量的数据框：

x<- model.matrix(depvar ~ ., fielddfm) [,-1]
y <- depvar
lambda <- 10^seq(10, -2, length = 100)
ridge.mod <- glmnet(x, y, alpha = 0, lambda = lambda)
predict(ridge.mod, s = 0, exact = T, type = 'coefficients')
cv.out <- cv.glmnet(x, y, alpha = 0, nfolds = 3)
bestlam <- cv.out$lambda.min
ridge.pred <- predict(ridge.mod, s = bestlam, newx = x)
predict(ridge.mod, type = "coefficients", s = bestlam)'

在这里，我得到了不同促销车辆的系数，但我想知道，不同自变量的最佳lambda的VIF值

请问我可以建议如何实现这个目标？

Answer 1

因为a）VIF是预测变量而不是模型的函数，b）脊回归保持所有变量而不管lambda，你可以从任意拟合的线性模型得到VIF。例如：

vifs = car::vif(lm(y ~ ., data = X)) 

其中y是您的回复，X是预测变量的数据框。请注意，结果与y中包含的值无关。

鉴于上述情况，这个问题首先是否有意义，这有点可疑......

Answer 2

我认为无法根据glmnet中的功能选择来计算VIF。但是，您可以从glmnet结果中提取特征并用lm进行调整，因为vif将接受lm中的对象。 answer中的代码可能会有所帮助。