322244_de-DE

liliconcom

Test auf Kolinearität

Ich habe eine nominale Ergebnisvariable (Aufnahme auf die Intensivstation ja/nein)

Prädiktorvariablen sind sowohl kategorial (wie das Vorhandensein einiger Symptome ja/nein) als auch kontinuierlich (wie der Body-Mass-Index des Alters)

Es besteht jedoch die Möglichkeit einer Kolinearität zwischen diesen Prädiktorvariablen.

Das nominale logistische Regressionsmodell bietet mir keine Möglichkeit, den VIF zu berechnen, indem ich mit der rechten Maustaste auf die Parameterschätzungen klicke.

Was wäre in einem solchen Fall der beste Weg, die Kollinearität zu beurteilen?

 

Danke

 

Sandeep

Verbraucher- und MarktforschungDatenexploration und -visualisierungBetreff: Test auf Kolinearität

Sie können dies tatsächlich immer noch tun, indem Sie alle Variablen nur für diese Plattform auf kontinuierlich ändern. Mich interessieren nicht die Statistiken an sich, sondern die Plots. Ich bin damit einverstanden, dass die kategorialen Variablen etwas seltsam aussehen, aber es können offensichtliche Beziehungen auftauchen. In dem Bild, das ich angehängt habe, habe ich beispielsweise die kategorialen Faktoren Schicht und Techniker mit einer Ordinalzahl Y. Sie können offensichtlich den Zusammenhang zwischen Wandel und Technologie erkennen.

 

Betreff: Test auf Kolinearität

Danke Dan. Ich konnte die Korrelation der Schätzungen ermitteln.

 

Können Sie uns Hinweise geben, wie diese zu interpretieren sind? Soll ich sie als Korrelationskoeffizienten interpretieren?

Betreff: Test auf Kolinearität

Danke. Diese Plattform ist jedoch auf numerische Variablen beschränkt.

 

Ich habe eine Kombination aus kontinuierlichen und kategorialen Variablen

Betreff: Test auf Kolinearität

Verwenden Sie zunächst die Plattform „Analysieren > Multivariate Methoden > Multivariate“. Fügen Sie alle Variablen in das Fenster „Y, Spalten“ ein. Sie erhalten Korrelationskoeffizienten und, was noch wichtiger ist, eine Streudiagrammmatrix, um nach kollinearen Beziehungen zu suchen.

Betreff: Test auf Kolinearität

Erwägen Sie den Wechsel zu einem verallgemeinerten linearen Modell mit Binomialverteilung und Logit-Link-Funktion. Anschließend können Sie die Korrelation der Schätzungen sehen. Es ist kein VIF, aber es gibt Ihnen einige Informationen zur Kollinearität.

 

Andernfalls müssen Sie die Beziehungen zwischen den Prädiktoren außerhalb der Fit Model-Plattform untersuchen.