Auf der Suche nach einer Anleitung: Logistische RegressionHallo alle,
Insgesamt neu in den Statistiken und habe viele Videos gesehen, aber leider nur bis jetzt geschafft. Ich versuche, die Beziehung zwischen der PTB (nominales J / N) und 16 Wasserverschmutzungen zu bestimmen (auch nominal, dh ja, die Wasserverschmutzung ist in einem Jahr aufgetreten oder nein, hat es nicht getan).
Multikollinearität ist zwischen vielen Wasserverschmutzungen vorhanden, und ich bin mir nicht sicher, wie ich das Modell anpassen soll, um die Multikollinearität zu verringern. Muss ich Wasserverschmutzungen entfernen? Mein Anliegen dabei ist, dass ich von 16 Kontaminanten auf 2 wechseln würde, die von keinen anderen beeinflusst werden. Gibt es eine bessere Option? Ich bin mir nicht ganz sicher, welchen Zweck es hat, Interaktionen zu erstellen, aber wäre dies eine Möglichkeit, dies zu verwalten? Wenn es keine andere Lösung gibt, als die Mehrheit der Kovariaten zu entfernen, könnte ich dann ein Modell für jede einzelne Verunreinigung erstellen? Oder wäre so etwas ungenau?
Danke im Voraus!
AnalytikBetreff: Auf der Suche nach einer Anleitung: Logistische RegressionKollinearität ist häufig, mit Ausnahme einiger entworfener Experimente. Die Fragen sind, wie stark es ist und wie viele Variablen beteiligt sind. Wenn beispielsweise zwei Prädiktoren extrem kollinear sind (z. B. r = 0,97), können Sie einen davon im Modell weglassen. Wenn Sie mehrere der 16 Prädiktoren haben, die von Natur aus kollinear sind, können Sie Hauptkomponenten und dann 'Faktoren' erstellen, die die zugrunde liegende Kraft darstellen. Beispielsweise können Sie mehrere Maße für die Wasserhärte haben, die durch eine oder zwei Hauptkomponenten oder -faktoren ersetzt werden können.
Also, es kommt darauf an.
Sie können die Kolinearität auf verschiedene Arten untersuchen. Ein guter Ausgangspunkt ist Analysieren> Multivariate Methoden> Multivariate mit den 16 Prädiktoren.
Betreff: Auf der Suche nach einer Anleitung: Logistische RegressionAber hat der Beitrag nicht angegeben, dass alle Prädiktoren auch nominal sind?Würde das nicht eine andere Art von Analyse erfordern?Ich bin mir nicht sicher, was das sein würde, aber ich würde wahrscheinlich versuchen, herauszufinden, welche Verunreinigungen zusammen auftreten, und dann einige neue zusammengesetzte Merkmale für diese Kombinationen erstellen.Ich denke, Ihr Vorschlag für Hauptkomponenten war in diese Richtung, aber wäre das ein korrekter Ansatz für nominale Prädiktoren?
