{"id":502,"date":"2023-07-29T16:45:15","date_gmt":"2023-07-29T16:45:15","guid":{"rendered":"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/"},"modified":"2023-07-29T16:45:15","modified_gmt":"2023-07-29T16:45:15","slug":"wspolczynnik-inflacji-wariancji-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/","title":{"rendered":"Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (vif) w r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\" target=\"_blank\" rel=\"noopener\">Wielokolinearno\u015b\u0107<\/a> w analizie regresji ma miejsce, gdy dwie lub wi\u0119cej zmiennych predykcyjnych jest ze sob\u0105 silnie skorelowanych, w zwi\u0105zku z czym 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 jest wystarczaj\u0105co wysoki, mo\u017ce to powodowa\u0107 problemy podczas dopasowywania i <a href=\"https:\/\/statorials.org\" target=\"_blank\" rel=\"noopener\">interpretacji modelu regresji<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Najbardziej powszechnym sposobem wykrywania wieloliniowo\u015bci jest u\u017cycie wsp\u00f3\u0142czynnika inflacji wariancji (VIF), kt\u00f3ry mierzy <a href=\"https:\/\/statorials.org\/pl\/wspo\u0142czynnik-korelacji-pearsona-1\/\" target=\"_blank\" rel=\"noopener\">korelacj\u0119<\/a> i si\u0142\u0119 korelacji mi\u0119dzy zmiennymi predykcyjnymi w modelu regresji.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Warto\u015b\u0107 VIF zaczyna si\u0119 od 1 i nie ma g\u00f3rnej granicy. Og\u00f3lna zasada interpretacji VIF jest nast\u0119puj\u0105ca:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Warto\u015b\u0107 1 wskazuje, \u017ce 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;\">Warto\u015b\u0107 od 1 do 5 wskazuje na umiarkowan\u0105 korelacj\u0119 mi\u0119dzy dan\u0105 zmienn\u0105 predykcyjn\u0105 a innymi zmiennymi predykcyjnymi w modelu, ale cz\u0119sto nie jest ona na tyle powa\u017cna, aby wymaga\u0142a szczeg\u00f3lnej uwagi.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Warto\u015b\u0107 wi\u0119ksza ni\u017c 5 wskazuje na potencjalnie powa\u017cn\u0105 korelacj\u0119 pomi\u0119dzy dan\u0105 zmienn\u0105 predykcyjn\u0105 a innymi zmiennymi predykcyjnymi w modelu. W tym przypadku szacunki wsp\u00f3\u0142czynnik\u00f3w i warto\u015bci p w wynikach regresji s\u0105 prawdopodobnie niewiarygodne.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Nale\u017cy pami\u0119ta\u0107, \u017ce w niekt\u00f3rych przypadkach wysokie warto\u015bci VIF <a href=\"https:\/\/statisticalhorizons.com\/multicollinearity\" target=\"_blank\" rel=\"noopener\">mo\u017cna bezpiecznie zignorowa\u0107<\/a> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Jak obliczy\u0107 VIF w R<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Aby zilustrowa\u0107 spos\u00f3b obliczenia VIF dla modelu regresji w R, u\u017cyjemy wbudowanego zbioru danych <em>mtcars<\/em> :<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view first six lines of <em>mtcars<\/em><\/span>\nhead(mtcars)\n\n# mpg cyl disp hp drat wt qsec vs am gear carb\n#Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\n#Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\n#Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\n#Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\n#Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\n#Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Najpierw dopasujemy model regresji, wykorzystuj\u0105c <em>mpg<\/em> jako zmienn\u0105 odpowiedzi i <em>disp<\/em> , <em>hp<\/em> , <em>wt<\/em> i <em>drat<\/em> jako zmienne predykcyjne:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit the regression model<\/span>\nmodel &lt;- lm(mpg ~ disp + hp + wt + drat, data = mtcars)\n\n<span style=\"color: #008080;\">#view the output of the regression model\n<\/span>summary(model)\n\n#Call:\n#lm(formula = mpg ~ disp + hp + wt + drat, data = mtcars)\n#\n#Residuals:\n# Min 1Q Median 3Q Max \n#-3.5077 -1.9052 -0.5057 0.9821 5.6883 \n#\n#Coefficients:\n#Estimate Std. Error t value Pr(&gt;|t|)    \n#(Intercept) 29.148738 6.293588 4.631 8.2e-05 ***\n#available 0.003815 0.010805 0.353 0.72675    \n#hp -0.034784 0.011597 -2.999 0.00576 ** \n#wt -3.479668 1.078371 -3.227 0.00327 ** \n#drat 1.768049 1.319779 1.340 0.19153    \n#---\n#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n#\n#Residual standard error: 2.602 on 27 degrees of freedom\n#Multiple R-squared: 0.8376, Adjusted R-squared: 0.8136 \n#F-statistic: 34.82 on 4 and 27 DF, p-value: 2.704e-10\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Z wyniku widzimy, \u017ce <a href=\"https:\/\/statorials.org\" target=\"_blank\" rel=\"noopener\">warto\u015b\u0107 R kwadrat<\/a> modelu wynosi <strong>0,8376<\/strong> . Widzimy r\u00f3wnie\u017c, \u017ce <a href=\"https:\/\/statorials.org\/pl\/prosty-przewodnik-po-zrozumieniu-testu-f-pod-katem-ogolnego-znaczenia-w-regresji\/\" target=\"_blank\" rel=\"noopener\">og\u00f3lna statystyka F<\/a> wynosi <strong>34,82<\/strong> , a odpowiadaj\u0105ca jej warto\u015b\u0107 p wynosi <strong>2,704e-10<\/strong> , co wskazuje, \u017ce og\u00f3lny model regresji jest istotny. Co wi\u0119cej,<\/span> <span style=\"color: #000000;\">zmienne predykcyjne <em>hp<\/em> i <em>wt<\/em> s\u0105 istotne statystycznie na poziomie istotno\u015bci 0,05, podczas gdy <em>disp<\/em> i <em>drat<\/em> nie.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nast\u0119pnie u\u017cyjemy funkcji <strong>vive()<\/strong> z biblioteki <strong>do<\/strong> obliczenia VIF dla ka\u017cdej zmiennej predykcyjnej w modelu:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#load the <em>car<\/em> library<\/span>\nlibrary(car)\n\n<span style=\"color: #008080;\">#calculate the VIF for each predictor variable in the model\n<\/span>lively(model)\n\n# disp hp wt drat \n#8.209402 2.894373 5.096601 2.279547 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Widzimy, \u017ce wsp\u00f3\u0142czynniki VIF dla <em>disp<\/em> i <em>wt<\/em> s\u0105 wi\u0119ksze ni\u017c 5, co jest potencjalnie niepokoj\u0105ce.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Wy\u015bwietlanie warto\u015bci VIF<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Aby zwizualizowa\u0107 warto\u015bci VIF dla ka\u017cdej zmiennej predykcyjnej, mo\u017cemy utworzy\u0107 prosty poziomy wykres s\u0142upkowy i doda\u0107 pionow\u0105 lini\u0119 w punkcie 5, aby\u015bmy mogli wyra\u017anie zobaczy\u0107, kt\u00f3re warto\u015bci VIF przekraczaj\u0105 5:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create vector of VIF values<\/span>\nvive_values &lt;- vive(model)\n\n<span style=\"color: #008080;\">#create horizontal bar chart to display each VIF value\n<\/span>barplot(vif_values, main = \"VIF Values\", horiz = TRUE, col = \"steelblue\")\n\n<span style=\"color: #008080;\">#add vertical line at 5\n<\/span>abline(v = 5, lwd = 3, lty = 2)<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Nale\u017cy pami\u0119ta\u0107, \u017ce tego typu wykres by\u0142by najbardziej przydatny w przypadku modelu z wieloma zmiennymi predykcyjnymi, dzi\u0119ki czemu mo\u017cemy \u0142atwo wy\u015bwietli\u0107 wszystkie warto\u015bci VIF na raz. Jest to jednak przydatny wykres w tym przyk\u0142adzie.<\/span><\/p>\n<p> <span style=\"color: #000000;\">W zale\u017cno\u015bci od tego, kt\u00f3r\u0105 warto\u015b\u0107 VIF uwa\u017casz za zbyt wysok\u0105, aby uwzgl\u0119dni\u0107 j\u0105 w modelu, mo\u017cesz usun\u0105\u0107 pewne zmienne predykcyjne i sprawdzi\u0107, czy ma to wp\u0142yw na odpowiedni\u0105 <a href=\"https:\/\/statorials.org\" target=\"_blank\" rel=\"noopener\">warto\u015b\u0107 R-kwadrat<\/a> lub <a href=\"https:\/\/statorials.org\" target=\"_blank\" rel=\"noopener\">b\u0142\u0105d standardowy<\/a> modelu.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Wizualizacja korelacji pomi\u0119dzy zmiennymi predykcyjnymi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Aby lepiej zrozumie\u0107, dlaczego zmienna predykcyjna mo\u017ce mie\u0107 wysok\u0105 warto\u015b\u0107 VIF, mo\u017cemy utworzy\u0107 macierz korelacji, aby wy\u015bwietli\u0107 wsp\u00f3\u0142czynniki korelacji liniowej pomi\u0119dzy ka\u017cd\u0105 par\u0105 zmiennych:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define the variables we want to include in the correlation matrix<\/span>\ndata &lt;- mtcars[, c(\"disp\", \"hp\", \"wt\", \"drat\")]\n\n<span style=\"color: #008080;\">#create correlation matrix<\/span>\ncor(data)\n\n# disp hp wt drat\n#available 1.0000000 0.7909486 0.8879799 -0.7102139\n#hp 0.7909486 1.0000000 0.6587479 -0.4487591\n#wt 0.8879799 0.6587479 1.0000000 -0.7124406\n#drat -0.7102139 -0.4487591 -0.7124406 1.0000000\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Przypomnijmy, \u017ce zmienna <em>disp<\/em> mia\u0142a warto\u015b\u0107 VIF wi\u0119ksz\u0105 ni\u017c 8, co by\u0142o najwy\u017csz\u0105 warto\u015bci\u0105 VIF spo\u015br\u00f3d wszystkich zmiennych predykcyjnych w modelu. Z macierzy korelacji widzimy, \u017ce <em>disp<\/em> jest silnie skorelowany z pozosta\u0142ymi trzema zmiennymi predykcyjnymi, co wyja\u015bnia, dlaczego jego warto\u015b\u0107 VIF jest tak wysoka.<\/span><\/p>\n<p> <span style=\"color: #000000;\">W takim przypadku warto usun\u0105\u0107 <em>disp<\/em> z modelu, poniewa\u017c jego warto\u015b\u0107 VIF jest wysoka <em>i<\/em> nie jest istotna statystycznie na poziomie istotno\u015bci 0,05.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nale\u017cy pami\u0119ta\u0107, \u017ce macierz korelacji i VIF dostarcz\u0105 podobnych informacji: obie informuj\u0105, kiedy zmienna jest silnie skorelowana z jedn\u0105 lub wi\u0119ksz\u0105 liczb\u0105 innych zmiennych w modelu regresji.<\/span><\/p>\n<p> <strong><span style=\"color: #000000;\">Dalsza lektura:<\/span><\/strong><br \/> <strong><a href=\"https:\/\/statorials.org\" target=\"_blank\" rel=\"noopener\">Przewodnik po wielowsp\u00f3\u0142liniowo\u015bci i VIF w regresji<\/a><br \/> <a href=\"https:\/\/statorials.org\" target=\"_blank\" rel=\"noopener\">Jaka jest dobra warto\u015b\u0107 R-kwadrat?<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Wielokolinearno\u015b\u0107 w analizie regresji ma miejsce, gdy dwie lub wi\u0119cej zmiennych predykcyjnych jest ze sob\u0105 silnie skorelowanych, w zwi\u0105zku z czym nie dostarczaj\u0105 unikalnych lub niezale\u017cnych informacji w modelu regresji. Je\u015bli stopie\u0144 korelacji mi\u0119dzy zmiennymi jest wystarczaj\u0105co wysoki, mo\u017ce to powodowa\u0107 problemy podczas dopasowywania i interpretacji modelu regresji . Najbardziej powszechnym sposobem wykrywania wieloliniowo\u015bci jest [&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-502","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 obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (VIF) w R - Statologia<\/title>\n<meta name=\"description\" content=\"W tym samouczku wyja\u015bniono, jak obliczy\u0107 VIF w j\u0119zyku R \u2014 metryk\u0119, kt\u00f3rej mo\u017cna u\u017cy\u0107 do wykrycia wieloliniowo\u015bci w modelu regresji.\" \/>\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\/wspolczynnik-inflacji-wariancji-r\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (VIF) w R - Statologia\" \/>\n<meta property=\"og:description\" content=\"W tym samouczku wyja\u015bniono, jak obliczy\u0107 VIF w j\u0119zyku R \u2014 metryk\u0119, kt\u00f3rej mo\u017cna u\u017cy\u0107 do wykrycia wieloliniowo\u015bci w modelu regresji.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T16:45:15+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=\"4 minuty\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/\",\"url\":\"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/\",\"name\":\"Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (VIF) w R - Statologia\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pl\/#website\"},\"datePublished\":\"2023-07-29T16:45:15+00:00\",\"dateModified\":\"2023-07-29T16:45:15+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\"},\"description\":\"W tym samouczku wyja\u015bniono, jak obliczy\u0107 VIF w j\u0119zyku R \u2014 metryk\u0119, kt\u00f3rej mo\u017cna u\u017cy\u0107 do wykrycia wieloliniowo\u015bci w modelu regresji.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Dom\",\"item\":\"https:\/\/statorials.org\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (vif) w r\"}]},{\"@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 obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (VIF) w R - Statologia","description":"W tym samouczku wyja\u015bniono, jak obliczy\u0107 VIF w j\u0119zyku R \u2014 metryk\u0119, kt\u00f3rej mo\u017cna u\u017cy\u0107 do wykrycia wieloliniowo\u015bci w modelu regresji.","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\/wspolczynnik-inflacji-wariancji-r\/","og_locale":"pl_PL","og_type":"article","og_title":"Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (VIF) w R - Statologia","og_description":"W tym samouczku wyja\u015bniono, jak obliczy\u0107 VIF w j\u0119zyku R \u2014 metryk\u0119, kt\u00f3rej mo\u017cna u\u017cy\u0107 do wykrycia wieloliniowo\u015bci w modelu regresji.","og_url":"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/","og_site_name":"Statorials","article_published_time":"2023-07-29T16:45:15+00:00","author":"Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Benjamin Anderson","Szacowany czas czytania":"4 minuty"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/","url":"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/","name":"Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (VIF) w R - Statologia","isPartOf":{"@id":"https:\/\/statorials.org\/pl\/#website"},"datePublished":"2023-07-29T16:45:15+00:00","dateModified":"2023-07-29T16:45:15+00:00","author":{"@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965"},"description":"W tym samouczku wyja\u015bniono, jak obliczy\u0107 VIF w j\u0119zyku R \u2014 metryk\u0119, kt\u00f3rej mo\u017cna u\u017cy\u0107 do wykrycia wieloliniowo\u015bci w modelu regresji.","breadcrumb":{"@id":"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pl\/wspolczynnik-inflacji-wariancji-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dom","item":"https:\/\/statorials.org\/pl\/"},{"@type":"ListItem","position":2,"name":"Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (vif) w r"}]},{"@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\/502","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=502"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/502\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/media?parent=502"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/categories?post=502"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/tags?post=502"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}