Ist es in Ordnung, wenn eine Variable mehrere Interaktionen hat?In meinen Daten habe ich ungefähr 15 verschiedene Variablen (Wasserverschmutzungen) und ich versuche festzustellen, ob es irgendwelche Wechselwirkungen gibt. Ich kann VIF nicht verwenden (es wird nicht als Option angezeigt), daher führe ich einen Fishers Exact-Test durch, um festzustellen, ob Kollinearität vorliegt. Beginnend mit der ersten Variablen führe ich den Test für jede andere Variable aus und werde dies für meine gesamte Liste von Variablen tun. Die erste Variable hat eine Interaktion mit 10 anderen Variablen in den Daten. Hier kommt meine Frage ins Spiel: Ist es schlecht, eine Variable mit mehreren Interaktionen mit anderen Variablen zu haben, oder kann dies nur unter bestimmten Datensätzen passieren?
Eine andere Frage, die ich habe, ich weiß, dass es Drei-Wege-Interaktionen geben kann, aber wann ist es angebracht, dies zu tun? Können Sie eine Vier- und Fünf-Wege-Interaktion oder höher haben?
Danke.
AnalytikBetreff: Ist es in Ordnung, wenn eine Variable mehrere Interaktionen hat?Wir verwenden normalerweise den Begriff "Wechselwirkungen", um einen nichtlinearen Effekt auf eine Reaktion zu bezeichnen, an der zwei oder mehr Faktoren beteiligt sind. Ist das deine Bedeutung?Oder meinst du Korrelationen zwischen den Prädiktoren? Sie erwähnen keine Antwortvariable.
In Bezug auf die Komplexität der Interaktionseffekte, die Sie möglicherweise erwarten, lautet die Antwort "Alles hängt davon ab". Es gibt ein Prinzip (keine Theorie oder ein Gesetz) beim Screening einer großen Anzahl potenzieller Faktoren, dass der größte Teil des Beitrags aus den Begriffen erster Ordnung stammt und der Beitrag mit zunehmender Ordnung abnimmt (sogenanntes "Hierarchieprinzip"). So ist beispielsweise eine Interaktion 4. Ordnung möglich, die jedoch entweder sehr unwahrscheinlich ist oder einen sehr geringen Beitrag leistet.Andererseits ist es sehr häufig, dass viele Prädiktoren korreliert sind (dh "Multikollinearität").
Mein letzter Gedanke ist, dass Ihre Analyse nacheinander mit Fallstricken behaftet ist. Ein besserer Ansatz wäre eine "Hauptkomponentenanalyse" für Korrelationen oder ein "lineares Modell" für Wechselwirkungen.
Betreff: Ist es in Ordnung, wenn eine Variable mehrere Interaktionen hat?Entschuldigung für die späte Antwort. Ich habe den Begriff Interaktionen falsch verwendet. Ich meinte Korrelationen zwischen den Prädiktoren (danke für die Klarstellung). Die Antwortvariable ist ein Geburtsergebnis (dh vorzeitige Geburt ja / nein). Wie bestimme ich, wann Interaktionen 3. Ordnung zur Reduzierung der Multikollinearität in das logistische Regressionsmodell einbezogen werden müssen?
Betreff: Ist es in Ordnung, wenn eine Variable mehrere Interaktionen hat?Wenn Ihre Prädiktorvariablen Multikollinearität aufweisen, hilft es nicht, dem Modell Interaktionsterme hinzuzufügen. Das Problem ist die Multikollinearität unter den Prädiktoren ... die nicht durch Hinzufügen von Effekten zum Modell "behoben" werden kann. Zusätzlich zu @markbailey Als Ratschlag möchten Sie vielleicht eine Modellierungsmethode ausprobieren, die das Problem der korrelierten Prädiktorvariablen besser beherrscht. Partial Least Squares oder eine der bestraften Regressionsmethoden in JMP Pro können hilfreich sein. Das Anschauen dieses JMP On Demand-Webinars, das ich vor einigen Jahren verfasst habe, ist möglicherweise informativ. Ich spreche das kategoriale Antwortszenario an: PLS-Webinar
