COMMunication
RESearch.NET

User Tools

Site Tools

You are here: index » multicolinearity
Trace:
multicolinearity

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision		Previous revision
Next revisionBoth sides next revision
multicolinearity [2018/12/26 02:37] – hkimscilmulticolinearity [2018/12/26 02:40] – hkimscil
Line 24: Line 24:
  $ sector    : int  1 1 1 0 0 0 0 0 1 0 ...  $ sector    : int  1 1 1 0 0 0 0 0 1 0 ...
  $ marr      : int  1 1 0 0 1 0 0 0 1 0 ...  $ marr      : int  1 1 0 0 1 0 0 0 1 0 ...
-> head(cps)+
 > head(cps) > head(cps)
   education south sex experience union  wage age race occupation sector marr   education south sex experience union  wage age race occupation sector marr
Line 36: Line 36:
  
 <code> <code>
-F-statistic: 74.91 on 1 and 58 DF,  p-value: 4.939e-12 +> cps$sex <- factor(cps$sex) 
- +> cps$union <- factor(cps$union) 
-> set.seed(1) +> cps$race <- factor(cps$race) 
-> x1 <- rnorm(25) +> cps$sector <- factor(cps$sector) 
-> x2 <- rnorm(25, x1) +> cps$occupation <- factor(cps$occupation) 
-> y <- x1-x2 + rnorm(25) +> cps$marr <- factor(cps$marr)
-> pairs( cbind(y,x1,x2) ) +
-> cor( cbind(y,x1,x2) ) +
-             y         x1         x2 +
-y   1.00000000 0.08089276 -0.2575073 +
-x1  0.08089276 1.00000000  0.7872474 +
-x2 -0.25750727 0.78724740  1.0000000 +
-> summary(lm(y~x1)) +
- +
-Call: +
-lm(formula = y ~ x1) +
- +
-Residuals: +
-    Min      1Q  Median      3Q     Max  +
--2.3178 -0.9417  0.1974  0.7032  2.6812  +
- +
-Coefficients: +
-            Estimate Std. Error t value Pr(>|t|) +
-(Intercept)   0.1145     0.2687   0.426    0.674 +
-x1            0.1106     0.2841   0.389    0.701 +
- +
-Residual standard error: 1.322 on 23 degrees of freedom +
-Multiple R-squared:  0.006544, Adjusted R-squared:  -0.03665  +
-F-statistic: 0.1515 on 1 and 23 DF,  p-value: 0.7007 +
- +
-> summary(lm(y~x2)) +
- +
-Call: +
-lm(formula = y ~ x2) +
- +
-Residuals: +
-     Min       1Q   Median       3Q      Max  +
--1.88739 -0.93086  0.06246  0.58728  2.94566  +
- +
-Coefficients: +
-            Estimate Std. Error t value Pr(>|t|) +
-(Intercept)   0.1920     0.2604   0.737    0.469 +
-x2           -0.2927     0.2290  -1.278    0.214 +
- +
-Residual standard error: 1.282 on 23 degrees of freedom +
-Multiple R-squared:  0.06631, Adjusted R-squared:  0.02571  +
-F-statistic: 1.633 on 1 and 23 DF,  p-value: 0.214 +
- +
-> summary(lm(y~x1+x2)) +
- +
-Call: +
-lm(formula = y ~ x1 + x2) +
- +
-Residuals: +
-     Min       1Q   Median       3Q      Max  +
--1.94803 -0.92496 -0.03868  0.42155  2.17441  +
- +
-Coefficients: +
-            Estimate Std. Error t value Pr(>|t|)    +
-(Intercept)   0.1541     0.2347   0.657   0.5181    +
-x1            1.0194     0.4016   2.539   0.0187 *  +
-x2           -0.9602     0.3340  -2.875   0.0088 ** +
---- +
-Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-Residual standard error: 1.153 on 22 degrees of freedom +
-Multiple R-squared:  0.2779, Adjusted R-squared:  0.2122  +
-F-statistic: 4.232 on 2 and 22 DF,  p-value: 0.02785 +
- +
-> cor(x1,x2) +
-[1] 0.7872474 +
-> cor.test(x1,x2) +
- +
- Pearson's product-moment correlation +
- +
-data:  x1 and x2 +
-t = 6.1227, df = 23, p-value = 3.026e-06 +
-alternative hypothesis: true correlation is not equal to 0 +
-95 percent confidence interval: +
- 0.5691639 0.9018451 +
-sample estimates: +
-      cor  +
-0.7872474  +
- +
-> cps <- read.csv("http://commres.net/wiki/_export/code/r/data?codeblock=7", header = T, sep = "\t") +
-> cps +
-    癤풽ducation south sex experience union  wage age race +
-1              8     0   1         21     0  5.10  35    2 +
-2              9     0   1         42     0  4.95  57    3 +
-3             12     0   0          1     0  6.67  19    3 +
-4             12     0   0          4     0  4.00  22    3 +
-5             12     0   0         17     0  7.50  35    3 +
-6             13     0   0          9     1 13.07  28    3 +
-7             10     1   0         27     0  4.45  43    3 +
-8             12     0   0          9     0 19.47  27    3 +
-9             16     0   0         11     0 13.28  33    3 +
-10            12     0   0          9     0  8.75  27    3 +
-11            12     0   0         17     1 11.35  35    3 +
-12            12     0   0         19     1 11.50  37    3 +
-13             8     1   0         27     0  6.50  41    3 +
-14             9     1   0         30     1  6.25  45    3 +
-15             9     1   0         29     0 19.98  44    3 +
-16            12     0   0         37     0  7.30  55    3 +
-17             7     1   0         44     0  8.00  57    3 +
-18            12     0   0         26     1 22.20  44    3 +
-19            11     0   0         16     0  3.65  33    3 +
-20            12     0   0         33     0 20.55  51    3 +
-21            12     0   1         16     1  5.71  34    3 +
-22             7     0   0         42     1  7.00  55    1 +
-23            12     0   0          9     0  3.75  27    3 +
-24            11     1   0         14     0  4.50  31    1 +
-25            12     0   0         23     0  9.56  41    3 +
-26             6     1   0         45     0  5.75  57    3 +
-27            12     0   0          8     0  9.36  26    3 +
-28            10     0   0         30     0  6.50  46    3 +
-29            12     0   1          8     0  3.35  26    3 +
-30            12     0   0          8     0  4.75  26    3 +
-31            14     0   0         13     0  8.90  33    3 +
-32            12     1   1         46     0  4.00  64    3 +
-33             8     0   0         19     0  4.70  33    3 +
-34            17     1   1          1     0  5.00  24    3 +
-35            12     0   0         19     0  9.25  37    3 +
-36            12     0   0         36     0 10.67  54    1 +
-37            12     1   0         20     0  7.61  38    1 +
-38            12     0   0         35     1 10.00  53    1 +
-39            12     0   0          3     0  7.50  21    3 +
-40            14     1   0         10     0 12.20  30    3 +
-41            12     0   0          0     0  3.35  18    3 +
-42            14     1   0         14     1 11.00  34    3 +
-43            12     0   0         14     0 12.00  32    3 +
-44             9     0   1         16     0  4.85  31    3 +
-45            13     1   0          8     0  4.30  27    3 +
-46             7     1   1         15     0  6.00  28    3 +
-47            16     0   0         12     0 15.00  34    3 +
-48            10     1   0         13     0  4.85  29    3 +
-49             8     0   0         33     1  9.00  47    3 +
-50            12     0   0          9     0  6.36  27    3 +
-51            12     0   0          7     0  9.15  25    3 +
-52            16     0   0         13     1 11.00  35    3 +
-53            12     0   1          7     0  4.50  25    3 +
-54            12     0   1         16     0  4.80  34    3 +
-55            13     0   0          0     0  4.00  19    3 +
-56            12     0   1         11     0  5.50  29    3 +
-57            13     0   0         17     0  8.40  36    3 +
-58            10     0   0         13     0  6.75  29    3 +
-59            12     0   0         22     1 10.00  40    1 +
-60            12     0   1         28     0  5.00  46    3 +
-61            11     0   0         17     0  6.50  34    3 +
-62            12     0   0         24     1 10.75  42    3 +
-63             3     1   0         55     0  7.00  64    2 +
-64            12     1   0          3     0 11.43  21    3 +
-65            12     0   0          6     1  4.00  24    1 +
-66            10     0   0         27     0  9.00  43    3 +
-67            12     1   0         19     1 13.00  37    1 +
-68            12     0   0         19     1 12.22  37    3 +
-69            12     0   1         38     0  6.28  56    3 +
-70            10     1   0         41     1  6.75  57    1 +
-71            11     1   0          3     0  3.35  20    1 +
-72            14     0   0         20     1 16.00  40    3 +
-73            10     0   0         15     0  5.25  31    3 +
-74             8     1   0          8     0  3.50  22    2 +
-75             8     1   1         39     0  4.22  53    3 +
-76             6     0   1         43     1  3.00  55    2 +
-77            11     1   1         25     1  4.00  42    3 +
-78            12     0   0         11     1 10.00  29    3 +
-79            12     0   0         12     0  5.00  30    1 +
-80            12     1   0         35     1 16.00  53    3 +
-81            14     0   0         14     0 13.98  34    3 +
-82            12     0   0         16     1 13.26  34    3 +
-83            10     0   1         44     1  6.10  60    3 +
-84            16     1   1         13     0  3.75  35    3 +
-85            13     0   0          8     1  9.00  27    1 +
-86            12     0   0         13     0  9.45  31    3 +
-87            11     0   0         18     1  5.50  35    3 +
-88            12     0   1         18     0  8.93  36    3 +
-89            12     1   1          6     0  6.25  24    3 +
-90            11     1   0         37     1  9.75  54    3 +
-    occupation sector marr +
-1            6      1    1 +
-2            6      1    1 +
-3            6      1    0 +
-4            6      0    0 +
-5            6      0    1 +
-6            6      0    0 +
-7            6      0    0 +
-8            6      0    0 +
-9            6      1    1 +
-10           6      0    0 +
-11           6      0    1 +
-12           6      1    0 +
-13           6      0    1 +
-14           6      0    0 +
-15           6      0    1 +
-16           6      2    1 +
-17           6      0    1 +
-18           6      1    1 +
-19           6      0    0 +
-20           6      0    1 +
-21           6      1    1 +
-22           6      1    1 +
-23           6      0    0 +
-24           6      0    1 +
-25           6      0    1 +
-26           6      1    1 +
-27           6      1    1 +
-28           6      0    1 +
-29           6      1    1 +
-30           6      0    1 +
-31           6      0    0 +
-32           6      0    0 +
-33           6      0    1 +
-34           6      0    0 +
-35           6      1    0 +
-36           6      0    0 +
-37           6      2    1 +
-38           6      2    1 +
-39           6      0    0 +
-40           6      1    1 +
-41           6      0    0 +
-42           6      1    1 +
-43           6      1    1 +
-44           6      1    1 +
-45           6      2    0 +
-46           6      1    1 +
-47           6      1    1 +
-48           6      0    0 +
-49           6      0    1 +
-50           6      1    1 +
-51           6      0    1 +
-52           6      1    1 +
-53           6      1    1 +
-54           6      1    1 +
-55           6      0    0 +
-56           6      1    0 +
-57           6      1    0 +
-58           6      1    1 +
-59           6      1    0 +
-60           6      1    1 +
-61           6      0    0 +
-62           6      2    1 +
-63           6      1    1 +
-64           6      2    0 +
-65           6      1    0 +
-66           6      2    1 +
-67           6      1    1 +
-68           6      2    1 +
-69           6      1    1 +
-70           6      1    1 +
-71           6      1    0 +
-72           6      0    1 +
-73           6      0    1 +
-74           6      1    1 +
-75           6      1    1 +
-76           6      1    1 +
-77           6      1    1 +
-78           6      0    1 +
-79           6      0    1 +
-80           6      1    1 +
-81           6      0    0 +
-82           6      0    1 +
-83           6      1    0 +
-84           6      0    0 +
-85           6      1    0 +
-86           6      1    0 +
-87           6      0    1 +
-88           6      0    1 +
-89           6      0    0 +
-90           6      1    1 +
- [ reached getOption("max.print") -- omitted 444 rows ] +
-> head(cps) +
-  癤풽ducation south sex experience union  wage age race +
-1            8     0   1         21     0  5.10  35    2 +
-2            9     0   1         42     0  4.95  57    3 +
-3           12     0   0          1     0  6.67  19    3 +
-4           12     0   0          4     0  4.00  22    3 +
-5           12     0   0         17     0  7.50  35    3 +
-6           13     0   0          9     1 13.07  28    3 +
-  occupation sector marr +
-1          6      1    1 +
-2          6      1    1 +
-3          6      1    0 +
-4          6      0    0 +
-5          6      0    1 +
-6          6      0    0 +
-> colnames(cps) <- c("education") +
-> head(cps) +
-  education NA NA NA NA    NA NA NA NA NA NA +
-1         8  0  1 21  0  5.10 35  2  6  1  1 +
-2         9  0  1 42  0  4.95 57  3  6  1  1 +
-3        12  0  0  1  0  6.67 19  3  6  1  0 +
-4        12  0  0  4  0  4.00 22  3  6  0  0 +
-5        12  0  0 17  0  7.50 35  3  6  0  1 +
-6        13  0  0  9  1 13.07 28  3  6  0  0 +
-> cps <- read.csv("http://commres.net/wiki/_export/code/r/data?codeblock=7", header = T, sep = "\t") +
-> head(cps) +
-  education south sex experience union  wage age race +
-1         8     0   1         21     0  5.10  35    2 +
-2         9     0   1         42     0  4.95  57    3 +
-3        12     0   0          1     0  6.67  19    3 +
-4        12     0   0          4     0  4.00  22    3 +
-5        12     0   0         17     0  7.50  35    3 +
-6        13     0   0          9     1 13.07  28    3 +
-  occupation sector marr +
-1          6      1    1 +
-2          6      1    1 +
-3          6      1    0 +
-4          6      0    0 +
-5          6      0    1 +
-6          6      0    0 +
-> cps2 <- read.csv("http://commres.net/wiki/_export/code/r/data?codeblock=7", header = T, sep = "\t") +
-> head(cps2) +
-  education south sex experience union  wage age race +
-1         8     0   1         21     0  5.10  35    2 +
-2         9     0   1         42     0  4.95  57    3 +
-3        12     0   0          1     0  6.67  19    3 +
-4        12     0   0          4     0  4.00  22    3 +
-5        12     0   0         17     0  7.50  35    3 +
-6        13     0   0          9     1 13.07  28    3 +
-  occupation sector marr +
-1          6      1    1 +
-2          6      1    1 +
-3          6      1    0 +
-4          6      0    0 +
-5          6      0    1 +
-6          6      0    0 +
-> cps2 <- read.csv("http://commres.net/wiki/_media/cps_85_wages.csv", header = T, sep = "\t") +
-> head(cps2) +
-  education south sex experience union  wage age race +
-1         8     0   1         21     0  5.10  35    2 +
-2         9     0   1         42     0  4.95  57    3 +
-3        12     0   0          1     0  6.67  19    3 +
-4        12     0   0          4     0  4.00  22    3 +
-5        12     0   0         17     0  7.50  35    3 +
-6        13     0   0          9     1 13.07  28    3 +
-  occupation sector marr +
-1          6      1    1 +
-2          6      1    1 +
-3          6      1    0 +
-4          6      0    0 +
-5          6      0    1 +
-6          6      0    0 +
-> fit_model1 = lm(log(data1$Wage) ~., data = cps) +
-Error in eval(predvars, data, env) : object 'data1' not found +
-> fit_model1 = lm(log(cps$Wage) ~., data = cps) +
-Error in log(cps$Wage) : non-numeric argument to mathematical function+
 > str(cps) > str(cps)
 'data.frame': 534 obs. of  11 variables: 'data.frame': 534 obs. of  11 variables:
  $ education : int  8 9 12 12 12 13 10 12 16 12 ...  $ education : int  8 9 12 12 12 13 10 12 16 12 ...
  $ south     : int  0 0 0 0 0 0 1 0 0 0 ...  $ south     : int  0 0 0 0 0 0 1 0 0 0 ...
- $ sex       : int  1 1 0 0 0 0 0 0 0 0 ...+ $ sex       : Factor w/ 2 levels "0","1": 2 2 1 1 1 1 1 1 1 1 ...
  $ experience: int  21 42 1 4 17 9 27 9 11 9 ...  $ experience: int  21 42 1 4 17 9 27 9 11 9 ...
- $ union     : int  0 0 0 0 0 1 0 0 0 0 ...+ $ union     : Factor w/ 2 levels "0","1": 1 1 1 1 1 2 1 1 1 1 ...
  $ wage      : num  5.1 4.95 6.67 4 7.5 ...  $ wage      : num  5.1 4.95 6.67 4 7.5 ...
  $ age       : int  35 57 19 22 35 28 43 27 33 27 ...  $ age       : int  35 57 19 22 35 28 43 27 33 27 ...
- $ race      : int  2 3 3 3 3 3 3 3 3 3 ... + $ race      : Factor w/ 3 levels "1","2","3": 2 3 3 3 3 3 3 3 3 3 ... 
- $ occupation: int  6 6 6 6 6 6 6 6 6 6 ... + $ occupation: Factor w/ 6 levels "1","2","3","4",..: 6 6 6 6 6 6 6 6 6 6 ... 
- $ sector    : int  1 1 1 0 0 0 0 0 1 0 ... + $ sector    : Factor w/ 3 levels "0","1","2": 2 2 2 1 1 1 1 1 2 1 ... 
- $ marr      : int  1 1 0 0 1 0 0 0 1 0 ... + $ marr      : Factor w/ 2 levels "0","1": 2 2 1 1 2 1 1 1 2 1 ... 
-> head(cps) +> </code>
-  education south sex experience union  wage age race +
-1         8     0   1         21     0  5.10  35    2 +
-2         9     0   1         42     0  4.95  57    3 +
-3        12     0   0          1     0  6.67  19    3 +
-4        12     0   0          4     0  4.00  22    3 +
-5        12     0   0         17     0  7.50  35    3 +
-6        13     0   0          9     1 13.07  28    3 +
-  occupation sector marr +
-1          6      1    1 +
-2          6      1    1 +
-3          6      1    0 +
-4          6      0    0 +
-5          6      0    1 +
-6          6      0    0 +
-> log(cps$wage) +
-  [1] 1.6292405 1.5993876 1.8976199 1.3862944 2.0149030 +
-  [6] 2.5703195 1.4929041 2.9688748 2.5862591 2.1690537 +
- [11] 2.4292177 2.4423470 1.8718022 1.8325815 2.9947318 +
- [16] 1.9878743 2.0794415 3.1000923 1.2947272 3.0228609 +
- [21] 1.7422190 1.9459101 1.3217558 1.5040774 2.2575877 +
- [26] 1.7491999 2.2364453 1.8718022 1.2089603 1.5581446 +
- [31] 2.1860513 1.3862944 1.5475625 1.6094379 2.2246236 +
- [36] 2.3674361 2.0294632 2.3025851 2.0149030 2.5014360 +
- [41] 1.2089603 2.3978953 2.4849066 1.5789787 1.4586150 +
- [46] 1.7917595 2.7080502 1.5789787 2.1972246 1.8500284 +
- [51] 2.2137539 2.3978953 1.5040774 1.5686159 1.3862944 +
- [56] 1.7047481 2.1282317 1.9095425 2.3025851 1.6094379 +
- [61] 1.8718022 2.3749058 1.9459101 2.4362415 1.3862944 +
- [66] 2.1972246 2.5649494 2.5030740 1.8373700 1.9095425 +
- [71] 1.2089603 2.7725887 1.6582281 1.2527630 1.4398351 +
- [76] 1.0986123 1.3862944 2.3025851 1.6094379 2.7725887 +
- [81] 2.6376277 2.5847520 1.8082888 1.3217558 2.1972246 +
- [86] 2.2460147 1.7047481 2.1894164 1.8325815 2.2772673 +
- [91] 1.9065751 2.0515563 1.0473190 1.2089603 2.9947318 +
- [96] 2.1400662 2.2772673 2.7080502 2.0794415 2.4203681 +
-[101] 2.6390573 2.3025851 1.8718022 2.2854389 2.9177707 +
-[106] 2.5257286 3.2580965 2.6390573 2.3513753 2.3978953 +
-[111] 2.5233258 2.5257286 2.7080502 1.7917595 2.2512918 +
-[116] 1.6094379 1.3217558 2.5313130 1.9286187 1.7047481 +
-[121] 1.9459101 1.5040774 1.8718022 2.4849066 1.6094379 +
-[126] 1.8718022 1.9169226 2.1690537 1.3217558 1.5040774 +
-[131] 1.7917595 1.7047481 2.5649494 1.7316555 1.5686159 +
-[136] 1.9459101 1.6582281 1.2089603 2.1400662 1.7917595 +
-[141] 1.9095425 2.1849270 2.6539459 2.3776926 2.1860513 +
-[146] 2.0149030 1.5040774 2.4203681 2.5989791 1.7917595 +
-[151] 1.5303947 2.3589654 1.6094379 2.1041342 1.8325815 +
-[156] 2.1400662 3.2180755 2.8124102 1.8325815 1.5151272 +
-[161] 2.4203681 3.0563569 2.5376572 2.0149030 2.3272777 +
-[166] 1.2089603 2.5989791 1.5769147 3.2691886 1.8840347 +
-[171] 3.7954892 2.7080502 2.4203681 1.9459101 2.3025851 +
-[176] 2.6762155 2.9957323 3.1135153 1.2919837 2.3627390 +
-[181] 3.2180755 1.7917595 2.9444390 2.5802168 3.1135153 +
-[186] 2.7080502 1.9286187 2.4714836 2.7813007 2.6354795 +
-[191] 2.5771819 1.6677068 1.5040774 2.3025851 2.3025851 +
-[196] 2.3025851 2.2375131 1.7578579 2.8825636 0.0000000 +
-[201] 2.1747517 2.1972246 2.8992214 2.0554050 2.3627390 +
-[206] 1.5040774 2.8478121 2.3513753 2.2213750 2.7080502 +
-[211] 3.1135153 1.5151272 2.1972246 2.5900171 2.7080502 +
-[216] 2.0149030 1.4469190 2.5257286 1.6351057 1.2089603 +
-[221] 2.4078456 1.3454724 1.8562980 1.7155981 2.3025851 +
-[226] 1.7316555 2.4423470 1.2527630 1.2089603 1.5581446 +
-[231] 2.9947318 1.2527630 1.3862944 1.9459101 1.8325815 +
-[236] 1.5040774 2.6595600 1.6094379 2.6210388 2.6181255 +
-[241] 2.0149030 1.3350011 1.6094379 2.2428351 1.7047481 +
-[246] 1.3217558 1.2527630 1.7578579 2.4849066 1.6094379 +
-[251] 2.1690537 2.3025851 2.1400662 2.1552445 2.1972246 +
-[256] 1.7047481 2.4078456 2.3025851 1.6486586 2.0794415 +
-[261] 1.2697605 1.6486586 2.4570214 2.4265711 2.0149030 +
-[266] 1.7047481 1.6094379 2.0476928 1.6582281 2.1972246 +
-[271] 2.2669579 1.6505799 1.9459101 2.4981519 1.6582281 +
-[276] 2.3340838 1.2089603 2.0412203 2.2159373 2.1317968 +
-[281] 1.3862944 1.4182774 1.0986123 1.4469190 2.0188950 +
-[286] 2.3542283 1.6094379 2.7100482 2.4203681 1.8325815 +
-[291] 1.2527630 1.9242487 2.5257286 2.4849066 1.7917595 +
-[296] 2.2512918 1.4109870 2.3446863 1.6094379 2.0399208 +
-[301] 1.7047481 1.8562980 2.5257286 1.8325815 2.0794415 +
-[306] 2.2617631 2.2082744 2.0149030 1.6094379 1.9459101 +
-[311] 1.2669476 2.1400662 1.5040774 2.0643279 1.6582281 +
-[316] 1.6094379 2.2332350 2.3513753 2.0149030 2.2512918 +
-[321] 2.2617631 1.7698546 2.3997118 1.6094379 1.7263317 +
-[326] 2.5257286 2.3804716 1.6863990 1.9459101 1.5238800 +
-[331] 1.7917595 2.4604432 1.7263317 1.7047481 1.5789787 +
-[336] 1.9095425 1.4469190 1.7491999 1.2527630 1.2089603 +
-[341] 2.3627390 2.0794415 1.5581446 2.1400662 2.1804175 +
-[346] 2.0794415 1.7917595 1.9657128 1.2237754 1.7917595 +
-[351] 1.3217558 2.1849270 1.4701758 2.5726122 1.4701758 +
-[356] 1.2527630 1.3350011 1.6601310 1.2089603 2.7887081 +
-[361] 1.4469190 1.5040774 2.0794415 1.3862944 2.0744290 +
-[366] 1.3862944 1.4231083 1.7833912 1.2809338 2.1690537 +
-[371] 1.2237754 1.4539530 1.6770966 1.6094379 2.0347056 +
-[376] 1.9373018 2.0149030 1.2809338 0.5596158 1.2383742 +
-[381] 2.2648832 2.1388890 2.1961128 1.2947272 1.2527630 +
-[386] 1.2325603 1.7047481 1.9358598 1.2556160 1.3217558 +
-[391] 1.4279160 2.2586332 2.6858046 2.5257286 1.7047481 +
-[396] 1.6389967 2.0794415 1.7630170 1.2089603 1.9459101 +
-[401] 2.3025851 2.0794415 1.9286187 1.7137979 2.0149030 +
-[406] 2.1894164 2.1972246 1.2527630 1.7526721 3.2188758 +
-[411] 1.9242487 1.8718022 1.3217558 1.2527630 1.5040774 +
-[416] 0.6981347 1.4279160 2.5649494 1.3812818 2.0149030 +
-[421] 2.5741378 1.3862944 1.3737156 2.5649494 2.1972246 +
-[426] 1.5151272 2.2512918 1.5040774 2.1690537 2.3025851 +
-[431] 2.8903718 3.2180755 2.4890647 3.0910425 2.1690537 +
-[436] 3.1000923 2.8478121 1.7917595 2.0869136 2.2235419 +
-[441] 2.4849066 2.3617970 1.7422190 2.3025851 2.8622009 +
-[446] 2.7080502 2.0515563 2.0541237 2.3025851 3.2180755 +
-[451] 2.3302003 2.7080502 2.4849066 2.3589654 1.7664417 +
-[456] 2.4176979 2.1471002 2.6311692 1.7422190 2.7593768 +
-[461] 2.0149030 2.4203681 1.8164521 2.5989791 1.8325815 +
-[466] 1.8718022 2.4849066 2.1400662 2.0794415 1.7491999 +
-[471] 2.7555697 2.2884862 2.6034302 1.6863990 1.8325815 +
-[476] 1.7047481 1.6094379 1.8325815 1.7491999 3.0204249 +
-[481] 1.6094379 1.9459101 2.8903718 2.4849066 3.0155349 +
-[486] 3.1000923 2.7985001 2.1552445 2.9642416 2.6390573 +
-[491] 2.3025851 2.7694588 2.9957323 2.3025851 3.2180755 +
-[496] 2.4203681 3.1280755 2.3223877 2.3025851 2.6390573 +
-[501] 2.5257286 1.7561323 3.2180755 1.4701758 2.4203681 +
-[506] 1.8976199 2.0794415 2.8992214 2.4849066 2.1849270 +
-[511] 2.2512918 2.6137395 2.4849066 2.7080502 2.5392370 +
-[516] 1.9987736 2.7447035 2.0082140 1.8325815 1.8325815 +
-[521] 2.2375131 3.1135153 2.0149030 1.9459101 1.7491999 +
-[526] 2.0373166 2.5257286 2.7725887 2.4672517 2.4300984 +
-[531] 1.8082888 3.1463051 2.9897142 2.7330680 +
-> lm1 = lm(log(cps$wage) ~., data = cps) +
-> summary(lm1) +
- +
-Call: +
-lm(formula = log(cps$wage) ~ ., data = cps) +
- +
-Residuals: +
-     Min       1Q   Median       3Q      Max  +
--2.16246 -0.29163 -0.00469  0.29981  1.98248  +
- +
-Coefficients: +
-             Estimate Std. Error t value Pr(>|t|)     +
-(Intercept)  1.078596   0.687514   1.569 0.117291     +
-education    0.179366   0.110756   1.619 0.105949     +
-south       -0.102360   0.042823  -2.390 0.017187 *   +
-sex         -0.221997   0.039907  -5.563 4.24e-08 *** +
-experience   0.095822   0.110799   0.865 0.387531     +
-union        0.200483   0.052475   3.821 0.000149 *** +
-age         -0.085444   0.110730  -0.772 0.440671     +
-race         0.050406   0.028531   1.767 0.077865 .   +
-occupation  -0.007417   0.013109  -0.566 0.571761     +
-sector       0.091458   0.038736   2.361 0.018589 *   +
-marr         0.076611   0.041931   1.827 0.068259 .   +
---- +
-Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-Residual standard error: 0.4398 on 523 degrees of freedom +
-Multiple R-squared:  0.3185, Adjusted R-squared:  0.3054  +
-F-statistic: 24.44 on 10 and 523 DF,  p-value: < 2.2e-16 +
- +
-> plot(lm1) +
-Hit <Return> to see next plot:  +
-Hit <Return> to see next plot:  +
-Hit <Return> to see next plot:  +
-Hit <Return> to see next plot:  +
-Warning messages: +
-1: not plotting observations with leverage one: +
-  444  +
-2: not plotting observations with leverage one: +
-  444  +
->  +
->  +
->  +
-> library(corrplot) +
-corrplot 0.84 loaded +
->  +
-> cps.cor = cor(cps) +
-> corrplot.mixed(cps.cor, lower.col = “black”, number.cex = .7) +
-Error: unexpected input in "corrplot.mixed(cps.cor, lower.col = ? +
-> corrplot.mixed(cps.cor, lower.col = "black", number.cex = .7) +
-> install.packages("mctest") +
-Installing package into ‘C:/Users/Hyo/Documents/R/win-library/3.5’ +
-(as ‘lib’ is unspecified) +
-trying URL 'https://cran.rstudio.com/bin/windows/contrib/3.5/mctest_1.2.zip' +
-Content type 'application/zip' length 68474 bytes (66 KB) +
-downloaded 66 KB +
- +
-package ‘mctest’ successfully unpacked and MD5 sums checked +
- +
-The downloaded binary packages are in +
- C:\Users\Hyo\AppData\Local\Temp\RtmpofABMJ\downloaded_packages +
-> library(mctest) +
-> omcdiag(cps[,c(1:5,7:11)], cps$wage)  +
- +
-Call: +
-omcdiag(x = cps[, c(1:5, 7:11)], y = cps$wage) +
- +
- +
-Overall Multicollinearity Diagnostics +
- +
-                       MC Results detection +
-Determinant |X'X|:         0.0001         1 +
-Farrar Chi-Square:      4833.5751         1 +
-Red Indicator:             0.1983         0 +
-Sum of Lambda Inverse: 10068.8439         1 +
-Theil's Method:            1.2263         1 +
-Condition Number:        739.7337         1 +
- +
-1 --> COLLINEARITY is detected by the test  +
-0 --> COLLINEARITY is not detected by the test +
- +
-> head(str) +
-                          +
-1 function (object, ...)  +
-2 UseMethod("str")        +
-> head(cps) +
-  education south sex experience union  wage age race occupation sector marr +
-1         8     0   1         21     0  5.10  35    2          6      1    1 +
-2         9     0   1         42     0  4.95  57    3          6      1    1 +
-3        12     0   0          1     0  6.67  19    3          6      1    0 +
-4        12     0   0          4     0  4.00  22    3          6      0    0 +
-5        12     0   0         17     0  7.50  35    3          6      0    1 +
-6        13     0   0          9     1 13.07  28    3          6      0    0 +
-> omcdiag(cps[,c(-6)], cps$wage)  +
- +
-Call: +
-omcdiag(x = cps[, c(-6)], y = cps$wage) +
- +
- +
-Overall Multicollinearity Diagnostics +
- +
-                       MC Results detection +
-Determinant |X'X|:         0.0001         1 +
-Farrar Chi-Square:      4833.5751         1 +
-Red Indicator:             0.1983         0 +
-Sum of Lambda Inverse: 10068.8439         1 +
-Theil's Method:            1.2263         1 +
-Condition Number:        739.7337         1 +
- +
-1 --> COLLINEARITY is detected by the test  +
-0 --> COLLINEARITY is not detected by the test +
- +
-> imcdiag(cps[,c(-6)],cps$wage)  +
- +
-Call: +
-imcdiag(x = cps[, c(-6)], y = cps$wage) +
- +
- +
-All Individual Multicollinearity Diagnostics Result +
- +
-                 VIF    TOL          Wi          Fi Leamer      CVIF Klein +
-education   231.1956 0.0043  13402.4982  15106.5849 0.0658  236.4725     1 +
-south         1.0468 0.9553      2.7264      3.0731 0.9774    1.0707     0 +
-sex           1.0916 0.9161      5.3351      6.0135 0.9571    1.1165     0 +
-experience 5184.0939 0.0002 301771.2445 340140.5368 0.0139 5302.4188     1 +
-union         1.1209 0.8922      7.0368      7.9315 0.9445    1.1464     0 +
-age        4645.6650 0.0002 270422.7164 304806.1391 0.0147 4751.7005     1 +
-race          1.0371 0.9642      2.1622      2.4372 0.9819    1.0608     0 +
-occupation    1.2982 0.7703     17.3637     19.5715 0.8777    1.3279     0 +
-sector        1.1987 0.8343     11.5670     13.0378 0.9134    1.2260     0 +
-marr          1.0961 0.9123      5.5969      6.3085 0.9551    1.1211     0 +
- +
-1 --> COLLINEARITY is detected by the test  +
-0 --> COLLINEARITY is not detected by the test +
- +
-education , south , experience , age , race , occupation , sector , marr , coefficient(s) are non-significant may be due to multicollinearity +
- +
-R-square of y on all x: 0.2805  +
- +
-* use method argument to check which regressors may be the reason of collinearity +
-=================================== +
-> pcor(cps[,c(-6)],method = “pearson”)$estimate  +
-Error: unexpected input in "pcor(cps[,c(-6)],method = ? +
-> pcor(cps[,c(-6)], method = "pearson")$estimate  +
-              education        south          sex  experience        union         age         race   occupation +
-education   1.000000000 -0.031750193  0.051510483 -0.99756187 -0.007479144  0.99726160  0.017230877  0.029436911 +
-south      -0.031750193  1.000000000 -0.030152499 -0.02231360 -0.097548621  0.02152507 -0.111197596  0.008430595 +
-sex         0.051510483 -0.030152499  1.000000000  0.05497703 -0.120087577 -0.05369785  0.020017315 -0.142750864 +
-experience -0.997561873 -0.022313605  0.054977034  1.00000000 -0.010244447  0.99987574  0.010888486  0.042058560 +
-union      -0.007479144 -0.097548621 -0.120087577 -0.01024445  1.000000000  0.01223890 -0.107706183  0.212996388 +
-age         0.997261601  0.021525073 -0.053697851  0.99987574  0.012238897  1.00000000 -0.010803310 -0.044140293 +
-race        0.017230877 -0.111197596  0.020017315  0.01088849 -0.107706183 -0.01080331  1.000000000  0.057539374 +
-occupation  0.029436911  0.008430595 -0.142750864  0.04205856  0.212996388 -0.04414029  0.057539374  1.000000000 +
-sector     -0.021253493 -0.021518760 -0.112146760 -0.01326166 -0.013531482  0.01456575  0.006412099  0.314746868 +
-marr       -0.040302967  0.030418218  0.004163264 -0.04097664  0.068918496  0.04509033  0.055645964 -0.018580965 +
-                 sector         marr +
-education  -0.021253493 -0.040302967 +
-south      -0.021518760  0.030418218 +
-sex        -0.112146760  0.004163264 +
-experience -0.013261665 -0.040976643 +
-union      -0.013531482  0.068918496 +
-age         0.014565751  0.045090327 +
-race        0.006412099  0.055645964 +
-occupation  0.314746868 -0.018580965 +
-sector      1.000000000  0.036495494 +
-marr        0.036495494  1.000000000 +
-> pcor(cps[,c(-6)],method = “pearson”)$estimate  +
-Error: unexpected input in "pcor(cps[,c(-6)],method = ? +
-> pcor(cps[,c(-6)], method = "pearson")$estimate  +
-              education        south          sex  experience        union         age         race +
-education   1.000000000 -0.031750193  0.051510483 -0.99756187 -0.007479144  0.99726160  0.017230877 +
-south      -0.031750193  1.000000000 -0.030152499 -0.02231360 -0.097548621  0.02152507 -0.111197596 +
-sex         0.051510483 -0.030152499  1.000000000  0.05497703 -0.120087577 -0.05369785  0.020017315 +
-experience -0.997561873 -0.022313605  0.054977034  1.00000000 -0.010244447  0.99987574  0.010888486 +
-union      -0.007479144 -0.097548621 -0.120087577 -0.01024445  1.000000000  0.01223890 -0.107706183 +
-age         0.997261601  0.021525073 -0.053697851  0.99987574  0.012238897  1.00000000 -0.010803310 +
-race        0.017230877 -0.111197596  0.020017315  0.01088849 -0.107706183 -0.01080331  1.000000000 +
-occupation  0.029436911  0.008430595 -0.142750864  0.04205856  0.212996388 -0.04414029  0.057539374 +
-sector     -0.021253493 -0.021518760 -0.112146760 -0.01326166 -0.013531482  0.01456575  0.006412099 +
-marr       -0.040302967  0.030418218  0.004163264 -0.04097664  0.068918496  0.04509033  0.055645964 +
-             occupation       sector         marr +
-education   0.029436911 -0.021253493 -0.040302967 +
-south       0.008430595 -0.021518760  0.030418218 +
-sex        -0.142750864 -0.112146760  0.004163264 +
-experience  0.042058560 -0.013261665 -0.040976643 +
-union       0.212996388 -0.013531482  0.068918496 +
-age        -0.044140293  0.014565751  0.045090327 +
-race        0.057539374  0.006412099  0.055645964 +
-occupation  1.000000000  0.314746868 -0.018580965 +
-sector      0.314746868  1.000000000  0.036495494 +
-marr       -0.018580965  0.036495494  1.000000000 +
-> pcor(cps[,c(-6)], method = "pearson")$estimate  +
-              education        south          sex  experience        union         age         race +
-education   1.000000000 -0.031750193  0.051510483 -0.99756187 -0.007479144  0.99726160  0.017230877 +
-south      -0.031750193  1.000000000 -0.030152499 -0.02231360 -0.097548621  0.02152507 -0.111197596 +
-sex         0.051510483 -0.030152499  1.000000000  0.05497703 -0.120087577 -0.05369785  0.020017315 +
-experience -0.997561873 -0.022313605  0.054977034  1.00000000 -0.010244447  0.99987574  0.010888486 +
-union      -0.007479144 -0.097548621 -0.120087577 -0.01024445  1.000000000  0.01223890 -0.107706183 +
-age         0.997261601  0.021525073 -0.053697851  0.99987574  0.012238897  1.00000000 -0.010803310 +
-race        0.017230877 -0.111197596  0.020017315  0.01088849 -0.107706183 -0.01080331  1.000000000 +
-occupation  0.029436911  0.008430595 -0.142750864  0.04205856  0.212996388 -0.04414029  0.057539374 +
-sector     -0.021253493 -0.021518760 -0.112146760 -0.01326166 -0.013531482  0.01456575  0.006412099 +
-marr       -0.040302967  0.030418218  0.004163264 -0.04097664  0.068918496  0.04509033  0.055645964 +
-             occupation       sector         marr +
-education   0.029436911 -0.021253493 -0.040302967 +
-south       0.008430595 -0.021518760  0.030418218 +
-sex        -0.142750864 -0.112146760  0.004163264 +
-experience  0.042058560 -0.013261665 -0.040976643 +
-union       0.212996388 -0.013531482  0.068918496 +
-age        -0.044140293  0.014565751  0.045090327 +
-race        0.057539374  0.006412099  0.055645964 +
-occupation  1.000000000  0.314746868 -0.018580965 +
-sector      0.314746868  1.000000000  0.036495494 +
-marr       -0.018580965  0.036495494  1.000000000 +
-> round(pcor(cps[,c(-6)], method = "pearson")$estimate,4)  +
-           education   south     sex experience   union     age    race occupation  sector    marr +
-education     1.0000 -0.0318  0.0515    -0.9976 -0.0075  0.9973  0.0172     0.0294 -0.0213 -0.0403 +
-south        -0.0318  1.0000 -0.0302    -0.0223 -0.0975  0.0215 -0.1112     0.0084 -0.0215  0.0304 +
-sex           0.0515 -0.0302  1.0000     0.0550 -0.1201 -0.0537  0.0200    -0.1428 -0.1121  0.0042 +
-experience   -0.9976 -0.0223  0.0550     1.0000 -0.0102  0.9999  0.0109     0.0421 -0.0133 -0.0410 +
-union        -0.0075 -0.0975 -0.1201    -0.0102  1.0000  0.0122 -0.1077     0.2130 -0.0135  0.0689 +
-age           0.9973  0.0215 -0.0537     0.9999  0.0122  1.0000 -0.0108    -0.0441  0.0146  0.0451 +
-race          0.0172 -0.1112  0.0200     0.0109 -0.1077 -0.0108  1.0000     0.0575  0.0064  0.0556 +
-occupation    0.0294  0.0084 -0.1428     0.0421  0.2130 -0.0441  0.0575     1.0000  0.3147 -0.0186 +
-sector       -0.0213 -0.0215 -0.1121    -0.0133 -0.0135  0.0146  0.0064     0.3147  1.0000  0.0365 +
-marr         -0.0403  0.0304  0.0042    -0.0410  0.0689  0.0451  0.0556    -0.0186  0.0365  1.0000 +
-> lm2 = lm(log(cps$wage) ~ . -age , data = cps) +
-> summary(lm2) +
- +
-Call: +
-lm(formula = log(cps$wage) ~ . - age, data = cps) +
- +
-Residuals: +
-     Min       1Q   Median       3Q      Max  +
--2.16044 -0.29073 -0.00505  0.29994  1.97997  +
- +
-Coefficients: +
-             Estimate Std. Error t value Pr(>|t|)     +
-(Intercept)  0.562676   0.160116   3.514 0.000479 *** +
-education    0.094135   0.008188  11.497  < 2e-16 *** +
-south       -0.103071   0.042796  -2.408 0.016367 *   +
-sex         -0.220344   0.039834  -5.532 5.02e-08 *** +
-experience   0.010335   0.001746   5.919 5.86e-09 *** +
-union        0.199987   0.052450   3.813 0.000154 *** +
-race         0.050643   0.028519   1.776 0.076345 .   +
-occupation  -0.006971   0.013091  -0.532 0.594619     +
-sector       0.091022   0.038717   2.351 0.019094 *   +
-marr         0.075152   0.041872   1.795 0.073263 .   +
---- +
-Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-Residual standard error: 0.4397 on 524 degrees of freedom +
-Multiple R-squared:  0.3177, Adjusted R-squared:  0.306  +
-F-statistic: 27.11 on 9 and 524 DF,  p-value: < 2.2e-16 +
- +
-> anova(lm1, lm2) +
-Analysis of Variance Table +
- +
-Model 1: log(cps$wage) ~ education + south + sex + experience + union +  +
-    age + race + occupation + sector + marr +
-Model 2: log(cps$wage) ~ (education + south + sex + experience + union +  +
-    age + race + occupation + sector + marr) - age +
-  Res.Df    RSS Df Sum of Sq      F Pr(>F) +
-1    523 101.17                            +
-2    524 101.28 -1  -0.11518 0.5954 0.4407 +
-> anova(lm2, lm1) +
-Analysis of Variance Table +
- +
-Model 1: log(cps$wage) ~ (education + south + sex + experience + union +  +
-    age + race + occupation + sector + marr) - age +
-Model 2: log(cps$wage) ~ education + south + sex + experience + union +  +
-    age + race + occupation + sector + marr +
-  Res.Df    RSS Df Sum of Sq      F Pr(>F) +
-1    524 101.28                            +
-2    523 101.17  1   0.11518 0.5954 0.4407 +
-> summary(lm1) +
- +
-Call: +
-lm(formula = log(cps$wage) ~ ., data = cps) +
- +
-Residuals: +
-     Min       1Q   Median       3Q      Max  +
--2.16246 -0.29163 -0.00469  0.29981  1.98248  +
- +
-Coefficients: +
-             Estimate Std. Error t value Pr(>|t|)     +
-(Intercept)  1.078596   0.687514   1.569 0.117291     +
-education    0.179366   0.110756   1.619 0.105949     +
-south       -0.102360   0.042823  -2.390 0.017187 *   +
-sex         -0.221997   0.039907  -5.563 4.24e-08 *** +
-experience   0.095822   0.110799   0.865 0.387531     +
-union        0.200483   0.052475   3.821 0.000149 *** +
-age         -0.085444   0.110730  -0.772 0.440671     +
-race         0.050406   0.028531   1.767 0.077865 .   +
-occupation  -0.007417   0.013109  -0.566 0.571761     +
-sector       0.091458   0.038736   2.361 0.018589 *   +
-marr         0.076611   0.041931   1.827 0.068259 .   +
---- +
-Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-Residual standard error: 0.4398 on 523 degrees of freedom +
-Multiple R-squared:  0.3185, Adjusted R-squared:  0.3054  +
-F-statistic: 24.44 on 10 and 523 DF,  p-value: < 2.2e-16 +
- +
-> corrplot.mixed(cps.cor, lower.col = "black", number.cex = 1) +
-> lm3 = lm(log(cps$wage) ~ . -age -education , data = cps) +
-> summary(lm3) +
- +
-Call: +
-lm(formula = log(cps$wage) ~ . - age - education, data = cps) +
- +
-Residuals: +
-     Min       1Q   Median       3Q      Max  +
--2.35385 -0.34226 -0.02236  0.30725  1.84988  +
- +
-Coefficients: +
-             Estimate Std. Error t value Pr(>|t|)     +
-(Intercept)  1.974436   0.114881  17.187  < 2e-16 *** +
-south       -0.171508   0.047380  -3.620 0.000323 *** +
-sex         -0.232997   0.044517  -5.234 2.40e-07 *** +
-experience   0.003031   0.001818   1.667 0.096145 .   +
-union        0.238528   0.058518   4.076 5.29e-05 *** +
-race         0.079273   0.031761   2.496 0.012870 *   +
-occupation  -0.036678   0.014348  -2.556 0.010858 *   +
-sector       0.050525   0.043105   1.172 0.241675     +
-marr         0.105542   0.046719   2.259 0.024286 *   +
---- +
-Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-Residual standard error: 0.4915 on 525 degrees of freedom +
-Multiple R-squared:  0.1456, Adjusted R-squared:  0.1326  +
-F-statistic: 11.18 on 8 and 525 DF,  p-value: 1.177e-14 +
- +
-> lm3 = lm(log(cps$wage) ~ . -age -experience , data = cps) +
-> summary(lm3) +
- +
-Call: +
-lm(formula = log(cps$wage) ~ . - age - experience, data = cps) +
- +
-Residuals: +
-    Min      1Q  Median      3Q     Max  +
--2.1519 -0.3309  0.0034  0.3028  1.8315  +
- +
-Coefficients: +
-            Estimate Std. Error t value Pr(>|t|)     +
-(Intercept)  0.95654    0.15028   6.365 4.26e-10 *** +
-education    0.07650    0.00787   9.721  < 2e-16 *** +
-south       -0.11579    0.04411  -2.625 0.008912 **  +
-sex         -0.20108    0.04097  -4.908 1.23e-06 *** +
-union        0.23924    0.05369   4.456 1.02e-05 *** +
-race         0.05157    0.02943   1.752 0.080287 .   +
-occupation  -0.01719    0.01339  -1.283 0.199910     +
-sector       0.10996    0.03982   2.762 0.005953 **  +
-marr         0.13980    0.04171   3.352 0.000861 *** +
---- +
-Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 +
- +
-Residual standard error: 0.4537 on 525 degrees of freedom +
-Multiple R-squared:  0.2721, Adjusted R-squared:  0.261  +
-F-statistic: 24.53 on 8 and 525 DF,  p-value: < 2.2e-16 +
- +
-> factor() +
-factor(0) +
-Levels:  +
-> factor(cps$sex, levels= c("male", "female") +
-+ ) +
-  [1] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
- [21] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
- [41] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
- [61] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
- [81] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[101] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[121] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[141] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[161] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[181] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[201] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[221] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[241] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[261] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[281] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[301] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[321] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[341] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[361] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[381] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[401] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[421] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[441] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[461] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[481] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[501] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-[521] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> +
-Levels: male female +
-> cps <- read.csv("http://commres.net/wiki/_media/cps_85_wages.csv", header = T, sep = "\t") +
-> str(cps) +
-'data.frame': 534 obs. of  11 variables: +
- $ education : int  8 9 12 12 12 13 10 12 16 12 ... +
- $ south     : int  0 0 0 0 0 0 1 0 0 0 ... +
- $ sex       : int  1 1 0 0 0 0 0 0 0 0 ... +
- $ experience: int  21 42 1 4 17 9 27 9 11 9 ... +
- $ union     : int  0 0 0 0 0 1 0 0 0 0 ... +
- $ wage      : num  5.1 4.95 6.67 4 7.5 ... +
- $ age       : int  35 57 19 22 35 28 43 27 33 27 ... +
- $ race      : int  2 3 3 3 3 3 3 3 3 3 ... +
- $ occupation: int  6 6 6 6 6 6 6 6 6 6 ... +
- $ sector    : int  1 1 1 0 0 0 0 0 1 0 ... +
- $ marr      : int  1 1 0 0 1 0 0 0 1 0 ... +
-> head(cps) +
-  education south sex experience union  wage age race occupation sector marr +
-1         8     0   1         21     0  5.10  35    2          6      1    1 +
-2         9     0   1         42     0  4.95  57    3          6      1    1 +
-3        12     0   0          1     0  6.67  19    3          6      1    0 +
-4        12     0   0          4     0  4.00  22    3          6      0    0 +
-5        12     0   0         17     0  7.50  35    3          6      0    1 +
-6        13     0   0          9     1 13.07  28    3          6      0    0 +
-> factor(cps$sex) +
-  [1] 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 +
- [53] 1 1 0 1 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 +
-[105] 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 +
-[157] 0 0 0 1 1 0 1 0 1 0 0 0 0 1 1 0 1 1 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 1 1 0 1 1 0 0 1 0 0 0 0 0 0 1 1 1 0 1 +
-[209] 1 0 0 1 0 0 0 0 1 0 1 1 0 1 1 0 0 1 0 1 1 1 0 1 1 0 1 0 1 1 0 0 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 1 1 1 +
-[261] 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 0 1 1 0 0 1 1 1 0 1 1 1 1 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 1 0 0 1 1 1 1 0 +
-[313] 1 0 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 1 1 0 0 1 1 0 1 1 1 1 0 1 1 0 0 1 0 1 1 +
-[365] 1 0 0 0 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 0 0 0 1 1 1 1 0 1 0 0 1 0 1 1 1 1 1 1 0 0 1 1 0 0 0 0 1 0 0 0 +
-[417] 1 0 1 1 1 0 1 0 0 1 1 0 1 0 0 0 1 0 0 0 0 1 0 0 1 1 0 1 0 0 1 0 0 1 1 1 1 0 0 0 1 1 0 0 1 1 1 0 1 1 1 1 +
-[469] 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 0 0 1 0 1 1 1 +
-[521] 0 0 0 0 1 1 0 0 1 0 1 1 0 0 +
-Levels: 0 1 +
-> cps <- factor(cps$sex) +
-> str(cps) +
- Factor w/ 2 levels "0","1": 2 2 1 1 1 1 1 1 1 1 ... +
-> cps <- read.csv("http://commres.net/wiki/_media/cps_85_wages.csv", header = T, sep = "\t") +
-> factor(cps$sex) +
-  [1] 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 +
- [53] 1 1 0 1 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 +
-[105] 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 +
-[157] 0 0 0 1 1 0 1 0 1 0 0 0 0 1 1 0 1 1 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 1 1 0 1 1 0 0 1 0 0 0 0 0 0 1 1 1 0 1 +
-[209] 1 0 0 1 0 0 0 0 1 0 1 1 0 1 1 0 0 1 0 1 1 1 0 1 1 0 1 0 1 1 0 0 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 1 1 1 +
-[261] 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 0 1 1 0 0 1 1 1 0 1 1 1 1 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 1 0 0 1 1 1 1 0 +
-[313] 1 0 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 1 1 0 0 1 1 0 1 1 1 1 0 1 1 0 0 1 0 1 1 +
-[365] 1 0 0 0 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 0 0 0 1 1 1 1 0 1 0 0 1 0 1 1 1 1 1 1 0 0 1 1 0 0 0 0 1 0 0 0 +
-[417] 1 0 1 1 1 0 1 0 0 1 1 0 1 0 0 0 1 0 0 0 0 1 0 0 1 1 0 1 0 0 1 0 0 1 1 1 1 0 0 0 1 1 0 0 1 1 1 0 1 1 1 1 +
-[469] 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 0 0 1 0 1 1 1 +
-[521] 0 0 0 0 1 1 0 0 1 0 1 1 0 0 +
-Levels: 0 1 +
-> str(cps) +
-'data.frame': 534 obs. of  11 variables: +
- $ education : int  8 9 12 12 12 13 10 12 16 12 ... +
- $ south     : int  0 0 0 0 0 0 1 0 0 0 ... +
- $ sex       : int  1 1 0 0 0 0 0 0 0 0 ... +
- $ experience: int  21 42 1 4 17 9 27 9 11 9 ... +
- $ union     : int  0 0 0 0 0 1 0 0 0 0 ... +
- $ wage      : num  5.1 4.95 6.67 4 7.5 ... +
- $ age       : int  35 57 19 22 35 28 43 27 33 27 ... +
- $ race      : int  2 3 3 3 3 3 3 3 3 3 ... +
- $ occupation: int  6 6 6 6 6 6 6 6 6 6 ... +
- $ sector    : int  1 1 1 0 0 0 0 0 1 0 ... +
- $ marr      : int  1 1 0 0 1 0 0 0 1 0 ... +
-> factor(cps$sex) +
-  [1] 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 +
- [53] 1 1 0 1 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 +
-[105] 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 +
-[157] 0 0 0 1 1 0 1 0 1 0 0 0 0 1 1 0 1 1 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 1 1 0 1 1 0 0 1 0 0 0 0 0 0 1 1 1 0 1 +
-[209] 1 0 0 1 0 0 0 0 1 0 1 1 0 1 1 0 0 1 0 1 1 1 0 1 1 0 1 0 1 1 0 0 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 1 1 1 +
-[261] 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 0 1 1 0 0 1 1 1 0 1 1 1 1 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 1 0 0 1 1 1 1 0 +
-[313] 1 0 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 1 1 0 0 1 1 0 1 1 1 1 0 1 1 0 0 1 0 1 1 +
-[365] 1 0 0 0 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 0 0 0 1 1 1 1 0 1 0 0 1 0 1 1 1 1 1 1 0 0 1 1 0 0 0 0 1 0 0 0 +
-[417] 1 0 1 1 1 0 1 0 0 1 1 0 1 0 0 0 1 0 0 0 0 1 0 0 1 1 0 1 0 0 1 0 0 1 1 1 1 0 0 0 1 1 0 0 1 1 1 0 1 1 1 1 +
-[469] 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 0 0 1 0 1 1 1 +
-[521] 0 0 0 0 1 1 0 0 1 0 1 1 0 0 +
-Levels: 0 1 +
-> cps$sex <- factor(cps$sex) +
-> cps$union <- factor(cps$union) +
-> cps$race <- factor(cps$race) +
-> cps$sector <- factor(cps$sector) +
-> cps$occupation <- factor(cps$occupation) +
-> cps$marr <- factor(cps$marr) +
-> str(cps) +
-</code>+
  
  
multicolinearity.txt · Last modified: 2018/12/26 02:49 by hkimscil
Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki