{"id":3739,"date":"2023-07-15T20:06:32","date_gmt":"2023-07-15T20:06:32","guid":{"rendered":"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/"},"modified":"2023-07-15T20:06:32","modified_gmt":"2023-07-15T20:06:32","slug":"multicolinearite-w-pythonie","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/","title":{"rendered":"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w pythonie"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">W analizie regresji <a href=\"https:\/\/statorials.org\/pl\/regresja-wieloliniowa\/\" target=\"_blank\" rel=\"noopener\">wieloliniowo\u015b\u0107<\/a> wyst\u0119puje, gdy dwie lub wi\u0119cej zmiennych predykcyjnych jest ze sob\u0105 silnie skorelowanych, tak \u017ce nie dostarczaj\u0105 unikalnych lub niezale\u017cnych informacji w modelu regresji.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Je\u015bli stopie\u0144 korelacji mi\u0119dzy zmiennymi predykcyjnymi jest wystarczaj\u0105co wysoki, mo\u017ce to powodowa\u0107 problemy podczas dopasowywania i interpretacji modelu regresji.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Najprostszym sposobem wykrycia wieloliniowo\u015bci w modelu regresji jest obliczenie metryki zwanej wsp\u00f3\u0142czynnikiem inflacji wariancji, cz\u0119sto w skr\u00f3cie <strong>VIF<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">VIF mierzy si\u0142\u0119 korelacji mi\u0119dzy zmiennymi predykcyjnymi w modelu. Przyjmuje warto\u015b\u0107 z zakresu od 1 do dodatniej niesko\u0144czono\u015bci.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Do interpretacji warto\u015bci VIF stosujemy nast\u0119puj\u0105ce praktyczne zasady:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>VIF = 1:<\/strong> Nie ma korelacji pomi\u0119dzy dan\u0105 zmienn\u0105 predykcyjn\u0105 a jak\u0105kolwiek inn\u0105 zmienn\u0105 predykcyjn\u0105 w modelu.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>VIF od 1 do 5:<\/strong> Istnieje umiarkowana korelacja pomi\u0119dzy dan\u0105 zmienn\u0105 predykcyjn\u0105 a innymi zmiennymi predykcyjnymi w modelu.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>VIF &gt; 5<\/strong> : Istnieje silna korelacja pomi\u0119dzy dan\u0105 zmienn\u0105 predykcyjn\u0105 a innymi zmiennymi predykcyjnymi w modelu.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Poni\u017cszy przyk\u0142ad pokazuje, jak wykry\u0107 wieloliniowo\u015b\u0107 w modelu regresji w Pythonie, obliczaj\u0105c warto\u015bci VIF dla ka\u017cdej zmiennej predykcyjnej w modelu.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Przyk\u0142ad: test wsp\u00f3\u0142liniowo\u015bci w Pythonie<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych pand, kt\u00f3ra zawiera informacje o r\u00f3\u017cnych koszykarzach:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #107d3f;\">import<\/span> pandas <span style=\"color: #107d3f;\">as<\/span> pd\n\n<span style=\"color: #008080;\">#createDataFrame<\/span>\ndf = pd. <span style=\"color: #3366ff;\">DataFrame<\/span> ({' <span style=\"color: #ff0000;\">rating<\/span> ': [90, 85, 82, 88, 94, 90, 76, 75, 87, 86],\n                   ' <span style=\"color: #ff0000;\">points<\/span> ': [25, 20, 14, 16, 27, 20, 12, 15, 14, 19],\n                   ' <span style=\"color: #ff0000;\">assists<\/span> ': [5, 7, 7, 8, 5, 7, 6, 9, 9, 5],\n                   ' <span style=\"color: #ff0000;\">rebounds<\/span> ': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})\n\n<span style=\"color: #008080;\">#view DataFrame\n<\/span><span style=\"color: #008000;\">print<\/span> (df)\n\n\trating points assists rebounds\n0 90 25 5 11\n1 85 20 7 8\n2 82 14 7 10\n3 88 16 8 6\n4 94 27 5 6\n5 90 20 7 9\n6 76 12 6 6\n7 75 15 9 10\n8 87 14 9 10\n9 86 19 5 7<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy, \u017ce chcemy dopasowa\u0107 <a href=\"https:\/\/statorials.org\/pl\/wielokrotna-regresja-liniowa\/\" target=\"_blank\" rel=\"noopener\">model regresji liniowej,<\/a> wykorzystuj\u0105c <strong>punktacj\u0119<\/strong> jako zmienn\u0105 odpowiedzi oraz <strong>punkty<\/strong> , <strong>asysty<\/strong> i <strong>zbi\u00f3rki<\/strong> jako zmienne predykcyjne.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Aby obliczy\u0107 <strong>VIF<\/strong> dla ka\u017cdej zmiennej predykcyjnej w modelu, mo\u017cemy u\u017cy\u0107 funkcji <a href=\"https:\/\/www.statsmodels.org\/stable\/generated\/statsmodels.stats.outliers_influence.variance_inflation_factor.html\" target=\"_blank\" rel=\"noopener\">variance_inflation_factor()<\/a> z biblioteki <strong>statsmodels<\/strong> :<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #107d3f;\">from<\/span> patsy <span style=\"color: #107d3f;\">import<\/span> damatrices\n<span style=\"color: #107d3f;\">from<\/span> statsmodels. <span style=\"color: #3366ff;\">stats<\/span> . <span style=\"color: #3366ff;\">outliers_influence<\/span> <span style=\"color: #107d3f;\">import<\/span> variance_inflation_factor\n\n<span style=\"color: #008080;\">#find design matrix for regression model using 'rating' as response variable<\/span> \n<span style=\"color: #ff0000;\">y<\/span> <span style=\"color: #ff0000;\">,<\/span>\n\n<span style=\"color: #008080;\">#create DataFrame to hold VIF values\n<\/span>vive_df = pd. <span style=\"color: #3366ff;\">DataFrame<\/span> ()\nvive_df[' <span style=\"color: #ff0000;\">variable<\/span> '] = <span style=\"color: #3366ff;\">X.columns<\/span> \n\n<span style=\"color: #008080;\">#calculate VIF for each predictor variable<\/span> \nvive_df[' <span style=\"color: #ff0000;\">VIF<\/span> '] = [variance_inflation_factor(X. <span style=\"color: #3366ff;\">values<\/span> , i) <span style=\"color: #008000;\">for<\/span> i <span style=\"color: #008000;\">in<\/span> range(X. <span style=\"color: #3366ff;\">shape<\/span> [1])]\n\n<span style=\"color: #008080;\">#view VIF for each predictor variable<\/span> \n<span style=\"color: #008000;\">print<\/span> (viv_df)\n\n\t       Variable VIF\n0 101.258171 Intercept\n1 1.763977 points\n2 1.959104 assists\n3 1.175030 rebounds<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Mo\u017cemy zobaczy\u0107 warto\u015bci VIF dla ka\u017cdej ze zmiennych predykcyjnych:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>punkty:<\/strong> 1,76<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>asysty:<\/strong> 1,96<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>zbi\u00f3rki:<\/strong> 1,18<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Uwaga:<\/strong> Zignoruj VIF dla \u201ePrzechwytywania\u201d w szablonie, poniewa\u017c ta warto\u015b\u0107 nie jest istotna.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Poniewa\u017c ka\u017cda z warto\u015bci VIF zmiennych predykcyjnych w modelu jest bliska 1, wsp\u00f3\u0142liniowo\u015b\u0107 w modelu nie stanowi problemu.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Dodatkowe zasoby<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w Pythonie:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/pl\/prosta-regresja-liniowa-w-pythonie\/\" target=\"_blank\" rel=\"noopener\">Jak wykona\u0107 prost\u0105 regresj\u0119 liniow\u0105 w Pythonie<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/python-regresji-liniowej\/\" target=\"_blank\" rel=\"noopener\">Jak wykona\u0107 wielokrotn\u0105 regresj\u0119 liniow\u0105 w Pythonie<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/wykres-pozosta\u0142osci-pythona\/\" target=\"_blank\" rel=\"noopener\">Jak utworzy\u0107 wykres resztkowy w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>W analizie regresji wieloliniowo\u015b\u0107 wyst\u0119puje, gdy dwie lub wi\u0119cej zmiennych predykcyjnych jest ze sob\u0105 silnie skorelowanych, tak \u017ce nie dostarczaj\u0105 unikalnych lub niezale\u017cnych informacji w modelu regresji. Je\u015bli stopie\u0144 korelacji mi\u0119dzy zmiennymi predykcyjnymi jest wystarczaj\u0105co wysoki, mo\u017ce to powodowa\u0107 problemy podczas dopasowywania i interpretacji modelu regresji. Najprostszym sposobem wykrycia wieloliniowo\u015bci w modelu regresji jest obliczenie [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3739","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w Pythonie - Statologia<\/title>\n<meta name=\"description\" content=\"W tym samouczku wyja\u015bniono, na przyk\u0142adzie, jak przetestowa\u0107 wsp\u00f3\u0142liniowo\u015b\u0107 w modelu regresji w j\u0119zyku Python.\" \/>\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\/pl\/multicolinearite-w-pythonie\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w Pythonie - Statologia\" \/>\n<meta property=\"og:description\" content=\"W tym samouczku wyja\u015bniono, na przyk\u0142adzie, jak przetestowa\u0107 wsp\u00f3\u0142liniowo\u015b\u0107 w modelu regresji w j\u0119zyku Python.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-15T20:06:32+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"2 minuty\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/\",\"url\":\"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/\",\"name\":\"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w Pythonie - Statologia\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pl\/#website\"},\"datePublished\":\"2023-07-15T20:06:32+00:00\",\"dateModified\":\"2023-07-15T20:06:32+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\"},\"description\":\"W tym samouczku wyja\u015bniono, na przyk\u0142adzie, jak przetestowa\u0107 wsp\u00f3\u0142liniowo\u015b\u0107 w modelu regresji w j\u0119zyku Python.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Dom\",\"item\":\"https:\/\/statorials.org\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w pythonie\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pl\/#website\",\"url\":\"https:\/\/statorials.org\/pl\/\",\"name\":\"Statorials\",\"description\":\"Tw\u00f3j przewodnik po kompetencjach statystycznych!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\",\"name\":\"Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin Anderson\"},\"description\":\"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej\",\"sameAs\":[\"https:\/\/statorials.org\/pl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w Pythonie - Statologia","description":"W tym samouczku wyja\u015bniono, na przyk\u0142adzie, jak przetestowa\u0107 wsp\u00f3\u0142liniowo\u015b\u0107 w modelu regresji w j\u0119zyku Python.","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\/pl\/multicolinearite-w-pythonie\/","og_locale":"pl_PL","og_type":"article","og_title":"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w Pythonie - Statologia","og_description":"W tym samouczku wyja\u015bniono, na przyk\u0142adzie, jak przetestowa\u0107 wsp\u00f3\u0142liniowo\u015b\u0107 w modelu regresji w j\u0119zyku Python.","og_url":"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/","og_site_name":"Statorials","article_published_time":"2023-07-15T20:06:32+00:00","author":"Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Benjamin Anderson","Szacowany czas czytania":"2 minuty"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/","url":"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/","name":"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w Pythonie - Statologia","isPartOf":{"@id":"https:\/\/statorials.org\/pl\/#website"},"datePublished":"2023-07-15T20:06:32+00:00","dateModified":"2023-07-15T20:06:32+00:00","author":{"@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965"},"description":"W tym samouczku wyja\u015bniono, na przyk\u0142adzie, jak przetestowa\u0107 wsp\u00f3\u0142liniowo\u015b\u0107 w modelu regresji w j\u0119zyku Python.","breadcrumb":{"@id":"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pl\/multicolinearite-w-pythonie\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dom","item":"https:\/\/statorials.org\/pl\/"},{"@type":"ListItem","position":2,"name":"Jak przetestowa\u0107 wieloliniowo\u015b\u0107 w pythonie"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pl\/#website","url":"https:\/\/statorials.org\/pl\/","name":"Statorials","description":"Tw\u00f3j przewodnik po kompetencjach statystycznych!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pl-PL"},{"@type":"Person","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965","name":"Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Benjamin Anderson"},"description":"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej","sameAs":["https:\/\/statorials.org\/pl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/3739","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/comments?post=3739"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/3739\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/media?parent=3739"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/categories?post=3739"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/tags?post=3739"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}