説明変数どうしの強い相関
不動産のH社は家賃を予測する重回帰モデルを作った。説明変数の「床面積」と「部屋数」の相関係数が0.95と高く、「部屋数」の係数は直感と逆のマイナスになった。データを入れ替えると係数が大きく変わり、安定しない。この問題への対処として適切なものを2つ選べ。
- A
床面積と部屋数をそれぞれ標準化してから学習し直す
- B
目的変数の家賃を対数変換してから学習し直す
- C
相関の高い2変数のうち一方を外すか、1つの指標にまとめる
- D
係数の大きさに罰則をかけるリッジ回帰(L2正則化)を使う
正解と解説を見る
正解:C・D
多重共線性があると係数の符号や大きさが不安定になる。対処には、変数を外したりまとめたりする方法と、リッジ回帰などの正則化がある。標準化や目的変数の変換では解消しない。
- A
誤り。標準化しても変数どうしの相関係数は変わらないので、多重共線性は解消しない。
- B
誤り。目的変数を変換しても、説明変数どうしの強い相関は残る。
- C
正しい。多重共線性の原因である、ほぼ同じ情報を持つ変数の重なりを減らせるので、係数が安定しやすくなる。
- D
正しい。リッジ回帰は係数が極端な値になるのを抑えるので、相関の高い変数があっても推定が安定しやすい。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。