Bonjour à tous,
J'ai besoin d'aide pour comprendre et résoudre le problème suivant.
Je construis un modèle pour prédire le développement des maladies cardiovasculaires dans une cohorte. J'ai inclus deux variables corrélées entre elles (R² = 0,83). Lorsque j'inclus les deux dans le modèle, l'une d'elles change de direction : elle devient protectrice plutôt qu'un facteur de risque . Mais lorsque j'inclus chaque variable séparément, les deux montrent une association positive avec la maladie, comme prévu.
Je ne pense pas que cela soit dû à une explication biologique ; cela ressemble plutôt à un problème de multicolinéarité. Je sais que je pourrais utiliser le VIF ou l'ACP pour résoudre ce problème. Mais comme mon résultat est binaire, je ne sais pas comment calculer correctement le VIF. J'ai essayé d'effectuer une régression des moindres carrés entre les deux variables et j'ai obtenu un VIF de 1, mais je ne pense pas que ce soit la bonne approche ici.
Quelqu'un a-t-il déjà vécu une situation similaire ? Comment recommanderiez-vous d'aborder ce problème ?
Salut @RafaelZS ,
Avez-vous envisagé d'insérer simplement un terme d'interaction (X1*X2) dans le modèle pour observer son effet sur les résultats du modèle et les valeurs VIF ? Si vous pouviez fournir un ensemble de données, cela serait utile.
Merci,
Ben
