{"id":2330,"date":"2023-07-22T18:09:17","date_gmt":"2023-07-22T18:09:17","guid":{"rendered":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/"},"modified":"2023-07-22T18:09:17","modified_gmt":"2023-07-22T18:09:17","slug":"r-aliased-coefficienten-in-het-model","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/","title":{"rendered":"Hoe op te lossen in r: er zijn aliasco\u00ebffici\u00ebnten in het model"},"content":{"rendered":"

<\/p>\n

\n

Een fout die je tegen kunt komen in R is:<\/span><\/p>\n

 Error in vive.default(model): there are aliased coefficients in the model\n<\/strong><\/pre>\n
 Deze fout treedt doorgaans op als er multicollineariteit<\/a> bestaat in een regressiemodel. Dat wil zeggen dat twee of meer voorspellende variabelen in het model sterk (of perfect) gecorreleerd zijn.<\/span><\/p>\n
 Wanneer dit gebeurt, zeggen we dat een variabele een „alias“ is van een andere variabele, wat problemen veroorzaakt bij het aanpassen van een regressiemodel.<\/span><\/p>\n
 Het volgende voorbeeld laat zien hoe u deze fout in de praktijk kunt corrigeren.<\/span><\/p>\n
 Hoe de fout te reproduceren<\/strong><\/span><\/h3>\n
 Stel dat we het volgende regressiemodel<\/a> in R toepassen:<\/span><\/p>\n
 #make this example reproducible\n<\/span>set. seeds<\/span> (0)\n\n#define data\n<\/span>x1 <- rnorm(100)\nx2 <- rnorm(100)\nx3 <- x2*3\ny <- rnorm(100)\n\n#fit regression model\n<\/span>model <- lm(y~x1+x2+x3)\n<\/strong><\/span><\/pre>\n
 We kunnen de vive()<\/strong> -functie van het autopakket<\/strong> gebruiken om de VIF-waarden voor elke voorspellende variabele in het model te berekenen om te bepalen of multicollineariteit een probleem is:<\/span><\/p>\n
 library<\/span> (car)\n<\/span><\/span>\n#calculate VIF values for predictor variables<\/span>\nlively(model)\n\n<\/span>Error in vive.default(model): there are aliased coefficients in the model\n<\/strong><\/span><\/pre>\n
 We ontvangen een foutmelding waarin staat dat er aliasco\u00ebffici\u00ebnten in het model voorkomen.<\/strong> \u201c<\/span><\/p>\n
 Dit vertelt ons dat twee of meer voorspellende variabelen in het model perfect gecorreleerd zijn.<\/span><\/p>\n
 Hoe u de fout kunt oplossen<\/strong><\/span><\/h3>\n
 Om te bepalen welke voorspellende variabelen perfect gecorreleerd zijn, kunnen we de functie cor()<\/strong> gebruiken om een correlatiematrix<\/a> voor de variabelen te maken:<\/span><\/p>\n
 #place variables in data frame\n<\/span>df <- data. frame<\/span> (x1, x2, x3, y)\n\n#create correlation matrix for data frame\n<\/span>cor(df)\n\n           x1 x2 x3 y\nx1 1.00000000 0.126886263 0.126886263 0.065047543\nx2 0.12688626 1.000000000 1.000000000 -0.009107573\nx3 0.12688626 1.000000000 1.000000000 -0.009107573\ny 0.06504754 -0.009107573 -0.009107573 1.000000000\n<\/span><\/span><\/strong><\/pre>\n
 Om deze fout te corrigeren, past u eenvoudigweg het regressiemodel opnieuw aan en laat u een van deze twee variabelen weg.<\/span><\/p>\n
 Het maakt niet uit welke variabele we weglaten, aangezien ze allebei exact dezelfde informatie bieden in het regressiemodel.<\/span><\/p>\n
 Laten we voor de eenvoud x3<\/strong> verwijderen en het regressiemodel opnieuw aanpassen:<\/span><\/p>\n
 library<\/span> (car)\n<\/span>\n#make this example reproducible\nset. seeds<\/span> (0)\n\n#define data\n<\/span>x1 <- rnorm(100)\nx2 <- rnorm(100)\nx3 <- x2*3\ny <- rnorm(100)\n\n#fit regression model\n<\/span>model <- lm(y~x1+x2)\n\n#calculate VIF values for predictor variables in model<\/span>\nlively(model)\n\n      x1 x2 \n1.016364 1.016364 \n<\/span><\/span><\/strong><\/pre>\n
 Merk op dat we deze keer geen fouten ontvangen bij het berekenen van de VIF-waarden voor het model, omdat multicollineariteit niet langer een probleem is.<\/span><\/p>\n
 Aanvullende bronnen<\/strong><\/span><\/h3>\n
 In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende fouten in R kunt oplossen:<\/span><\/p>\n
 Hoe te repareren in R: vervanging heeft een lengte van nul<\/a>
 Hoe op te lossen in R: argumenten hebben betrekking op een verschillend aantal regels<\/a>
 Hoe op te lossen in R: argument is noch numeriek noch logisch: return na<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
Een fout die je tegen kunt komen in R is: Error in vive.default(model): there are aliased coefficients in the model Deze fout treedt doorgaans op als er multicollineariteit bestaat in een regressiemodel. Dat wil zeggen dat twee of meer voorspellende variabelen in het model sterk (of perfect) gecorreleerd zijn. Wanneer dit gebeurt, zeggen we dat […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2330","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\nHoe op te lossen in R: er zijn aliasco\u00ebffici\u00ebnten in het model - Statorials<\/title>\n<meta name=\"description\" content=\"In deze tutorial wordt uitgelegd hoe u de volgende fout in R kunt oplossen: Fout in vive.default(model): Er zijn aliased co\u00ebffici\u00ebnten in het model.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Hoe op te lossen in R: er zijn aliasco\u00ebffici\u00ebnten in het model - Statorials\" \/>\n<meta property=\"og:description\" content=\"In deze tutorial wordt uitgelegd hoe u de volgende fout in R kunt oplossen: Fout in vive.default(model): Er zijn aliased co\u00ebffici\u00ebnten in het model.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-22T18:09:17+00:00\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"2\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/\",\"url\":\"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/\",\"name\":\"Hoe op te lossen in R: er zijn aliasco\u00ebffici\u00ebnten in het model - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-22T18:09:17+00:00\",\"dateModified\":\"2023-07-22T18:09:17+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"In deze tutorial wordt uitgelegd hoe u de volgende fout in R kunt oplossen: Fout in vive.default(model): Er zijn aliased co\u00ebffici\u00ebnten in het model.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Hoe op te lossen in r: er zijn aliasco\u00ebffici\u00ebnten in het model\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Hoe op te lossen in R: er zijn aliasco\u00ebffici\u00ebnten in het model - Statorials","description":"In deze tutorial wordt uitgelegd hoe u de volgende fout in R kunt oplossen: Fout in vive.default(model): Er zijn aliased co\u00ebffici\u00ebnten in het model.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/","og_locale":"de_DE","og_type":"article","og_title":"Hoe op te lossen in R: er zijn aliasco\u00ebffici\u00ebnten in het model - Statorials","og_description":"In deze tutorial wordt uitgelegd hoe u de volgende fout in R kunt oplossen: Fout in vive.default(model): Er zijn aliased co\u00ebffici\u00ebnten in het model.","og_url":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/","og_site_name":"Statorials","article_published_time":"2023-07-22T18:09:17+00:00","author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"2\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/","url":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/","name":"Hoe op te lossen in R: er zijn aliasco\u00ebffici\u00ebnten in het model - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-22T18:09:17+00:00","dateModified":"2023-07-22T18:09:17+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"In deze tutorial wordt uitgelegd hoe u de volgende fout in R kunt oplossen: Fout in vive.default(model): Er zijn aliased co\u00ebffici\u00ebnten in het model.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/r-aliased-coefficienten-in-het-model\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Hoe op te lossen in r: er zijn aliasco\u00ebffici\u00ebnten in het model"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/2330","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=2330"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/2330\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=2330"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=2330"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=2330"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
 Gerelateerd:<\/strong> VIF-waarden berekenen en interpreteren in R<\/a><\/span><\/p>\n
 We kunnen zien dat de variabelen x2<\/strong> en x3<\/strong> eencorrelatieco\u00ebffici\u00ebnt<\/a> van 1 hebben. Dit vertelt ons dat deze twee variabelen de fout veroorzaken omdat ze perfect gecorreleerd zijn.<\/span><\/p>\n