Alla ricerca di una guida: regressione logisticaCiao a tutti,
Nuovo alle statistiche in generale e ho guardato molti video, ma sfortunatamente ce l'ho fatta solo fino ad ora. Sto cercando di determinare la relazione tra PTB (Y / N nominale) e 16 contaminanti dell'acqua (anche nominali, cioè sì, il contaminante dell'acqua si è verificato in un anno o no).
La multicollinearità è presente tra molti dei contaminanti dell'acqua e non sono sicuro di come regolare il modello per ridurre la multicollinearità. Devo rimuovere i contaminanti dell'acqua? La mia preoccupazione è che passerei da 16 contaminanti a 2 che non sono influenzati da nessun altro. C'è un'opzione migliore? Non sono del tutto sicuro dello scopo di creare interazioni, ma sarebbe questo un modo per gestirlo? Inoltre, se nessun'altra soluzione oltre a rimuovere la maggior parte delle covariate potrei eseguire un modello per ogni singolo contaminante? O qualcosa del genere sarebbe impreciso?
Grazie in anticipo!
AnalyticsRi: Alla ricerca di una guida: regressione logisticaLa collinearità è comune, ad eccezione di alcuni esperimenti progettati. Le domande sono quanto è forte e quante variabili sono coinvolte? Ad esempio, se due predittori sono estremamente collineari (ad esempio, r = 0,97), è possibile ometterne uno dal modello. Se si dispone di molti dei 16 predittori che sono naturalmente collineari, è possibile creare componenti principali e quindi "fattori" che rappresentano la forza sottostante. Ad esempio, potresti avere diverse misure di durezza dell'acqua che potrebbero essere sostituite con uno o due componenti o fattori principali.
Quindi, "dipende".
Puoi studiare la colinearità in diversi modi. Un buon punto di partenza è Analizza> Metodi multivariati> Multivariato con i 16 predittori.
Ri: Alla ricerca di una guida: regressione logisticaMa il post non indicava che anche tutti i predittori sono nominali?Non richiederebbe un altro tipo di analisi?Non sono sicuro di cosa sarebbe, ma probabilmente proverei a esplorare quali contaminanti si verificano insieme e quindi a creare alcune nuove caratteristiche composite per quelle combinazioni.Penso che il tuo suggerimento dei componenti principali fosse in questo senso, ma sarebbe un approccio corretto per i predittori nominali?
