À la recherche de conseils: régression logistiqueBonjour à tous,
Nouveau dans les statistiques dans l'ensemble et j'ai regardé de nombreuses vidéos, mais malheureusement seulement jusqu'à présent. J'essaie de déterminer la relation entre le PTB (nominal O / N) et 16 contaminants de l'eau (également nominaux, c'est-à-dire que oui, le contaminant de l'eau s'est produit en un an ou non).
La multicolinéarité est présente entre de nombreux contaminants de l'eau et je ne sais pas comment ajuster le modèle pour réduire la multicolinéarité. Dois-je éliminer les contaminants de l'eau? Ce qui me préoccupe, c'est que je passerais de 16 contaminants à 2 qui ne sont touchés par aucun autre. Y a-t-il une meilleure option? Je ne suis pas tout à fait sûr de l'objectif de la création d'interactions, mais serait-ce une façon de le gérer? De plus, s'il n'y avait pas d'autre solution que d'éliminer la majorité des covariables, pourrais-je exécuter un modèle pour chaque contaminant individuel? Ou est-ce que quelque chose comme ça serait inexact?
Merci d'avance!
AnalytiqueRe: Recherche de conseils: régression logistiqueLa colinéarité est courante, sauf pour certaines expériences conçues. Les questions sont: quelle est sa force et combien de variables sont impliquées? Par exemple, si deux prédicteurs sont extrêmement colinéaires (par exemple, r = 0,97), vous pouvez en omettre un du modèle. Si vous avez plusieurs des 16 prédicteurs qui sont naturellement colinéaires, vous pouvez créer des composants principaux, puis des «facteurs» qui représentent la force sous-jacente. Par exemple, vous pouvez avoir plusieurs mesures de la dureté de l'eau qui pourraient être remplacées par un ou deux composants ou facteurs principaux.
Donc, «ça dépend».
Vous pouvez étudier la colinéarité de plusieurs manières. Le bon endroit pour commencer est Analyser> Méthodes multivariées> Multivarié avec les 16 prédicteurs.
Re: Recherche de conseils: régression logistiqueMais le message n'a-t-il pas indiqué que tous les prédicteurs sont également nominaux?Cela n'appellerait-il pas un autre type d'analyse?Je ne sais pas ce que ce serait, mais j'essaierais probablement d'explorer quels contaminants se produisent ensemble, puis de créer de nouvelles fonctionnalités composites pour ces combinaisons.Je pense que votre suggestion des principaux éléments allait dans ce sens, mais serait-ce une bonne approche pour les prédicteurs nominaux?
