Buscando alguna orientación: regresión logísticaHola a todos,
Nuevo en las estadísticas en general y he visto muchos videos, pero desafortunadamente solo lo hice hasta ahora. Estoy tratando de determinar la relación entre el PTB (nominal S / N) y 16 contaminantes del agua (también nominal, es decir, sí, el contaminante del agua ocurrió en un año o no).
La multicolinealidad está presente entre muchos de los contaminantes del agua y no estoy seguro de cómo ajustar el modelo para reducir la multicolinealidad. ¿Debo eliminar los contaminantes del agua? Mi preocupación con eso es que pasaría de 16 contaminantes a 2 que no se ven afectados por ningún otro. ¿Hay alguna opción mejor? No estoy completamente seguro del propósito de crear interacciones, pero ¿sería esta una forma de administrarlo? Además, si no hay otra solución además de eliminar la mayoría de las covariables, ¿podría ejecutar un modelo para cada contaminante individual? ¿O sería inexacto algo como esto?
¡Gracias por adelantado!
AnalíticaRe: Buscando orientación: regresión logísticaLa colinealidad es común, excepto en algunos experimentos diseñados. Las preguntas son ¿qué tan fuerte es y cuántas variables están involucradas? Por ejemplo, si dos predictores son extremadamente colineales (p. Ej., R = 0,97), puede omitir uno de ellos del modelo. Si tiene varios de los 16 predictores que son naturalmente colineales, entonces puede crear componentes principales y luego 'factores' que representan la fuerza subyacente. Por ejemplo, puede tener varias medidas de dureza del agua que podrían reemplazarse con uno o dos componentes o factores principales.
Entonces, 'depende'.
Puede estudiar la colinealidad de varias formas. Un buen lugar para comenzar es Analizar> Métodos multivariados> Multivariante con los 16 predictores.
