Python 解决空间数据的多重共线性问题

我希望对空间数据执行特征缩减。我计算了VIF（方差膨胀系数），以评估变量之间的多重共线性，并随后能够消除VIF大于5或10的变量。问题是，两个具有完全不同空间变异性的变量具有相同的VIF，如果我使用VIF<10的特征选择标准，我只剩下很少的解释变量

您认为使用回归模型（如空间误差或地理加权回归）以及由此产生的R2计算VIF是一个好主意吗

---

您知道除VIF外，有任何Python方法处理空间数据中的多重共线性吗？

它必须是一个自动标准，还是您可以根据自己的判断选择从模型中排除哪些变量？此外，对于特征约简，您还可以研究主成分回归或逐步选择，这也是实现特征约简的一个好方法。如果你想保持VIF作为你的标准，你也可以考虑使用另一个标准，如果你有两个相同的VIF变量。