如何解释相关图中的多重共线性？

Question

我在 R 中为我的数据集创建了一个相关图，但我不确定如何选择以下哪对变量表示多重共线性？带有示例的解释将非常有帮助！

Answer 1

也许一种方法是通过 qgraph。首先，我将从 lavaan 包中加载 Holzinger 数据，从 correlation 包中加载相关函数，并使用 qgraph 包中的 qgraph 函数和以下库：

library(correlation)
library(qgraph)
library(lavaan)

根据 Holzinger 数据创建相关矩阵：

cor_holz <- HolzingerSwineford1939 %>% 
  correlation()

然后把所有的相关性做成qgraph。较粗的线表示相关性更强，绿色表示正，红色表示负。例如，您可以在此图中看到 x4-x6 在粗绿色三角形中高度相关：

qgraph(cor_holz)

这使得：

您可以通过为相关值建立截止值（如果您想查明哪些相关性最强，这很有用）、添加标题并更改维度来使它更有趣：

qgraph(cor_holz, # correlation 
       cut=.30, # cutoff value for correlations
       details = T, # shows details
       mar = c(6,10,6,10), # size of graph
       vsize = 8, # size of nodes
       title = "Q Graph of All Correlations") # title

一个更明确的例子是在同一个 lavaan 包中的 FacialBurns 数据，它显示了更明显的多重共线性，并且在各个变量中缺乏多重共线性：

face_cor <- FacialBurns %>% 
  correlation()

qgraph(face_cor)

如何解释相关图中的多重共线性？

How to interpret multicollinearity in a correlation plot?

r

multicollinearity