Bewertung der Kolinearität für kategoriale Variablen und/oder binäre ErgebnisseIch möchte die Kollinearität kategorialer Variablen für eine multivariable nominale logistische Regression bewerten. Mir ist bekannt, dass VIF hierfür nützlich ist, ich kann jedoch kein VIF für kategoriale Variablen oder ein binäres Ergebnis finden. Andere Methoden, wie beispielsweise LASSO, waren weniger initiativ. Gibt es eine Möglichkeit, mit oder ohne LASSO die Kollinearität zu bewerten? Danke!Erweiterte statistische ModellierungDatenexploration und -visualisierungBetreff: Bewertung der Kolinearität für kategoriale Variablen und/oder binäre ErgebnisseHaben Sie im Dialogfeld „Modell anpassen“ versucht, zur verallgemeinerten Regression zu wechseln? Daraus lässt sich schließen, dass die Antwort binomial verteilt ist. Dies sollte Ihnen eine Anpassung liefern, die der nominalen logistischen Regression sehr ähnlich ist, und bietet die Möglichkeit, die Tabelle „Korrelation der Schätzungen“ einzusehen. Diese hilft Ihnen, die Kollinearität zu verstehen. Alternativ können Sie die Kollinearität der Haupteffekte mithilfe von „Multivariate Methoden“ > „Multivariat“ untersuchen.
Betreff: Bewertung der Kolinearität für kategoriale Variablen und/oder binäre ErgebnisseHallo @gstins @gstins ,
Willkommen in der Community!
Zusätzlich zu der von @Dan_Obermiller vorgeschlagenen Lösung besteht ein möglicher Trick zur Bewertung der Kollinearität anhand von VIF-Werten darin, eine zufällige numerische „Dummy“-Spalte zu erstellen, ein multivariates Regressionsmodell anzupassen und die VIF-Werte der Modellvariablen anzuzeigen. Siehe „Wie untersucht man VIF in einem verallgemeinerten Regressionsbericht?“ und die Antwort von @cwillden .
VIF werden nur unter Verwendung von Werten aus Eingabedaten/Faktoren berechnet (siehe Gleichung hier: Parameterschätzungen für ursprüngliche Prädiktoren ), sodass Sie unabhängig vom Antworttyp immer VIF-Werte berechnen und analysieren können.
Ich hoffe, dieser Workaround kann Ihnen helfen.
