Verehrte Gäste,
Bei der Verwendung einer Farbkarte für Korrelationen habe ich mich gefragt, ob ein Schwellenwert für Korrelationswerte allgemein als Grenze akzeptiert wird, um die Wirkung eines einzelnen Parameters nicht zu überschreiten. 0,3 ? 0,2 ?
Danke,
Hugo
@martindemel
Hallo Mark und P-Bartell,
Vielen Dank für Ihren Beitrag.
Ich gehe davon aus, dass Sie sich auf das Diagramm beziehen, das im Gliederungsteil der Designdiagnose einer Designplattform wie Custom Design bereitgestellt wird.
Ich würde sagen, dass es keine theoretische oder praktische Schwelle gibt. Es gibt keine „Faustregel“ für die Korrelation der Schätzungen. Warum?
Weil die Korrelation die Varianz Ihrer Schätzungen aufbläht. Diese Inflation kann auf verschiedene Weise ausgedrückt werden, beispielsweise als Varianz-Inflationsfaktor (VIF). Diese Erhöhung verringert die Aussagekraft Ihrer Hypothesentests für Terme oder einzelne Parameter. Es wird die Länge der Konfidenzintervalle für die gleichen Schätzungen erhöhen. All diese Veränderungen gehen im Allgemeinen in die falsche Richtung. Wir müssen also die Korrelationen untersuchen, wie Sie es getan haben, um festzustellen, ob unser Design ausreichend ist. Um die Korrelationen auszuwerten, sind jedoch einige Informationen über die Antwortvarianz erforderlich, mit der Sie es zu tun haben. Wenn die Antwortvarianz gering ist, können Sie einen größeren VIF tolerieren. Wenn es ansonsten groß ist, dann können Sie nur eine kleinere VIF tolerieren. (Aus dem gleichen Grund ist die allgemeine Faustregel, dass "VIF < 10" auch bedeutungslos ist.)
Es hängt auch von der Art des Experiments und Glück ab. Wenn es sich beispielsweise um ein Screening-Experiment handelt und Ihre Situation glücklicherweise den wichtigsten Screening-Prinzipien folgt, müssen Sie die meisten Parameter nicht schätzen. Das ursprüngliche Design ist jetzt im Vergleich zu den endgültigen Termen im Modell viel größer. Die Projektion des Designs in ein kleineres Modell wird die Korrelation zum Besseren verändern. Die Korrelation ist also nicht fatal.
Stellen Sie schließlich sicher, dass Sie einen großen Bereich für stetige Faktoren verwenden. Warum? Es erzeugt eine größere Wirkung auf die Antwort, was die Trennschärfe erhöht und die relative Länge der Konfidenzintervalle verringert trotz Korrelation .
Im Allgemeinen sind Korrelationsmaße deskriptive, nicht schlussfolgernde Statistiken. Daher werden Sie in der Literatur nicht viel oder gar nichts in Bezug auf einen Korrelationsstatistikschwellenwert für die Parameterschätzung finden. Die Parameterschätzung ist im Kern eine Inferenzstatistik, die einen anderen statistischen methodischen Ansatz erfordert, wie z. B., aber nicht beschränkt auf, die gewöhnliche Regression der kleinsten Quadrate.
