Fatal编程技术网
  • r/
  • R 以分类变量为因变量和混合自变量的多元共线性回归

R 以分类变量为因变量和混合自变量的多元共线性回归

r

R 以分类变量为因变量和混合自变量的多元共线性回归,r,regression,logistic-regression,categorical-data,R,Regression,Logistic Regression,Categorical Data,因此，我有一家公司的数据，该公司面临着高流失率。所以我试图找出损耗所依赖的重要变量。因此，我用消耗率作为因变量进行了逻辑回归。但它们的p值都在1左右。（我想这是因为多重共线性。为此，我用相关矩阵检查了多重共线性，并删除了一些变量，但p值仍然为零。我还使用VIF选择了值小于10的变量，但即使这样，模型的p值也在1左右。） 请帮我做这个。（我确实检查了分类变量是否为“因子”） fit1请添加一个可复制的数据集。请查找所附数据。：）请在此帮助我们，并使用dput将您的数据粘贴到问题本身中 fi

因此，我有一家公司的数据，该公司面临着高流失率。所以我试图找出损耗所依赖的重要变量。因此，我用消耗率作为因变量进行了逻辑回归。但它们的p值都在1左右。（我想这是因为多重共线性。为此，我用相关矩阵检查了多重共线性，并删除了一些变量，但p值仍然为零。我还使用VIF选择了值小于10的变量，但即使这样，模型的p值也在1左右。）

请帮我做这个。（我确实检查了分类变量是否为“因子”）

fit1请添加一个可复制的数据集。请查找所附数据。：）请在此帮助我们，并使用
dput
将您的数据粘贴到问题本身中

    fit1<-glm(Attrition~Age+BusinessTravel+Distance.From.Home+Education.Field+Gender+
 Job.Satisfaction+Marital.Status+Over.Time+
Percent.Salary.Hike+Performance.Rating+Relationship.Satisfaction+
Total.Working.Years+Years.At.Company+Years.In.Current.Role+Years.Since.Last.Promotion+Years.With.Curr.Manager, family = "binomial")