Verificación de multicolinealidad en regresión logística ordinal.¡Hola a todos! Estoy ejecutando un modelo de registro logístico nominal (JMP v13) que tiene 8 variables independientes. Me preocupa la colinealidad y la confusión. ¿Cómo puedo comprobar la existencia de estos dos problemas? ¿Se puede evaluar la multi-colinealidad con el factor de inflación de variación en JMP? (amablemente, ¿cómo?) Gracias.
Re: Comprobar la multicolinealidad en la regresión logística ordinalMarca,
Gracias. Todas las variables independientes utilizadas en su ejemplo son continuas. ¿Podemos esperar que este resultado se mantenga verdadero cuando el modelo use también (o solo) variables categóricas? Por favor dime un poco más de tu explicación " Observe que los predictores se centran automáticamente para minimizar la correlación de las estimaciones ". ¿Qué predictores? ¿Y 'centrado' en relación a qué?
--Erick
Re: Comprobar la multicolinealidad en la regresión logística ordinalGracias jim ¿Puede JMP proporcionar VIF para variables categóricas independientes?
--ErickRe: Comprobar la multicolinealidad en la regresión logística ordinalSupongo que estás usando el Analizar > Modelo de ajuste Lanzamiento con la personalidad logística nominal. Mi ejemplo de la tabla de datos de muestra de Big Class se ajusta a sex = interceptar + peso + altura + peso * altura. El resultado es:
La covarianza de las estimaciones está disponible. La diagonal es la varianza de las estimaciones y la diagonal fuera de las covarianzas, que sería cero si no hubiera colinealidad.
Observe que los predictores se centran automáticamente para minimizar la correlación de las estimaciones.
Re: Comprobar la multicolinealidad en la regresión logística ordinalUn par de sugerencias para ti:
1. Aproveche al máximo las capacidades mejoradas de diagnóstico de diseño experimental de la versión 13 tomando su matriz de variables de predicción y "pretenda", si es que no lo fue, un experimento diseñado, y use la plataforma DOE -> Design Diagnostics -> Evaluate Designs. Dentro del informe de esa plataforma, obtendrá todo tipo de diagnósticos, incluyendo confusión y correlaciones para sus variables de predicción basadas en la matriz de variables de predicción. La plataforma no requiere que su matriz de variable predictor sea de hecho un 'experimento diseñado'. Una característica clave de esta plataforma desde una perspectiva confusa es que puede especificar la forma exacta del modelo (efectos principales, interacciones de 2 vías, etc.) que desea estimar.
2. Utilice la plataforma multivariable para explorar correlaciones (por pares y más complejas usando, digamos, análisis de componentes principales) entre la matriz de variables predictoras.
Re: Comprobar la multicolinealidad en la regresión logística ordinalEn Ayuda ==> Índice de estadísticas ==> la multicolinealidad apunta a los factores de inflación de variación en la plataforma del modelo de ajuste, para determinar la existencia de multicolinealidad.
"En la regresión donde los regresores están altamente correlacionados, una medida de interés es cuán inflada está la variación del estimador en comparación con lo que sería su variación sin el efecto de los otros regresores. En el Modelo apropiado, el VIF está disponible haciendo clic en el contexto en la tabla de informes de Estimaciones de parámetros.
Re: comprobar la multicolinealidad en la regresión logística ordinalSé que esta publicación no tiene algunos años, pero acabo de encontrar el mismo problema en el que un revisor de una revista insistió en ver VIF para verificar la colinealidad en una regresión logística. Ninguna de las plataformas de regresión generalizada (excepto Normal) da VIF, pero como el VIF es completamente una función de la matriz X, no importa qué tipo de variable Y tenga. Entonces, mi solución fue ejecutar exactamente el mismo modelo usando el modelo de ajuste con la personalidad de mínimos cuadrados estándar, y usé los valores de VIF de la tabla de estimaciones de parámetros.
