322244_fr-FR

liliconcom

test de colinéarité

J'ai une variable de résultat nominale (admission en soins intensifs oui/non)

Les variables prédictives sont à la fois catégoriques (comme la présence de certains symptômes oui/non) et continues (comme l'indice de masse corporelle selon l'âge).

Il existe cependant un potentiel de colinéarité entre ces variables prédictives.

Le modèle de régression logistique nominale ne me donne pas la possibilité de calculer le VIF en cliquant avec le bouton droit sur les estimations des paramètres.

Quelle serait la meilleure façon d’évaluer la colinéarité dans un tel cas ?

 

merci

 

Sable profond

Études de consommation et de marchéExploration et visualisation des donnéesRe : test de colinéarité

Vous pouvez toujours le faire en modifiant toutes les variables en continu uniquement pour cette plate-forme. Je ne m'intéresse pas aux statistiques en soi, mais aux intrigues. D'accord, les variables catégorielles sembleront un peu étranges, mais des relations évidentes peuvent apparaître. Par exemple, dans l'image que j'ai jointe, j'ai les facteurs catégoriels Shift et Technician avec un ordinal Y. Vous pouvez évidemment voir la corrélation entre le changement et la technologie.

 

Re : test de colinéarité

Merci Dan. J'ai pu obtenir la corrélation des estimations.

 

Pouvez-vous donner quelques conseils sur la façon de les interpréter… dois-je les interpréter comme des coefficients de corrélation ?

Re : test de colinéarité

merci..cette plateforme se limite cependant aux variables numériques.

 

J'ai une combinaison de variables continues et catégorielles

Re : test de colinéarité

Pour commencer, utilisez la plateforme Analyse>Méthodes multivariées>Multivariée. Placez toutes les variables dans la fenêtre Y, Colonnes. Vous obtiendrez des coefficients de corrélation et, plus important encore, une matrice de nuages de points pour rechercher des relations colinéaires.

Re : test de colinéarité

Envisagez de passer à un modèle linéaire généralisé avec une distribution binomiale et une fonction de lien logit. Vous pouvez alors voir la corrélation des estimations. Ce n'est pas un VIF, mais il vous donnera quelques informations sur la colinéarité.

 

Sinon, vous devrez explorer les relations entre les prédicteurs en dehors de la plateforme Fit Model.