Почему R возвращает NA как коэффициент lm ()?

Я подгоняю lm()модель к набору данных, который включает индикаторы для финансового квартала (Q1, Q2, Q3, делая Q4 по умолчанию). Используя lm(Y~., data = data) я получаю в NAкачестве коэффициента для Q3 и предупреждение о том, что одна переменная была исключена из-за особенностей.

Нужно ли добавлять столбец Q4?

r regression

— Fraijo
источник

NA как коэффициент в регрессии указывает, что рассматриваемая переменная линейно связана с другими переменными. В вашем случае это означает, что для некоторых . Если это так, то не существует единственного решения для регрессии без удаления одной из переменных. Добавление только ухудшит положение. $Q3 = a \times Q1 + b \times Q2 + c$ $a, b, c$ $Q4$

— Мартин О'Лири
источник

Я согласен ... Кажется, есть проблема с определениями фиктивных переменных.

— Доминик Комтуа

(+1). NA в более общем смысле означает, что коэффициент не оценивается. Это может произойти из-за точной коллинеарности, как вы упомянули. Но это также может произойти из-за отсутствия достаточного количества наблюдений для оценки соответствующих параметров (например, если

p > n

$p > n$ ). Если вы предикторы категоричны и добавляете термины взаимодействия, NA также может означать, что нет никаких наблюдений с такой комбинацией уровней факторов.

— Макрос

p > n

$p > n$ это всего лишь частный случай коллинеарности - если наблюдений меньше, чем предикторов, коллинеарность - это данность. Вы правы в отношении условий взаимодействия, хотя я уверен, что это не то, что здесь происходит.

— Мартин О'Лири

Переменные не связаны линейно, так как Q3 = 1 тогда и только тогда, когда Q1 = Q2 = 0. Более того, использование stepAIC () и принудительное включение в модель всех трех этих переменных не вызывает проблем. Кроме того, у меня примерно в 3 раза больше наблюдений за переменными. Мое лучшее предположение - есть коллинеарность между Q3 и некоторой другой переменной, которая, я думаю, не включена в stepAIC.

— Fraijo