Hallo zusammen,
Ich brauche Hilfe, um das folgende Problem zu verstehen und zu lösen.
Ich erstelle ein Modell zur Vorhersage der Entwicklung von Herz-Kreislauf-Erkrankungen in einer Kohorte. Ich habe zwei Variablen einbezogen, die miteinander korreliert sind (R² = 0,83). Wenn ich beide in das Modell einbeziehe, ändert eine von ihnen ihre Richtung – sie wird zum Schutzfaktor statt zum Risikofaktor . Berücksichtige ich jedoch jede Variable einzeln, zeigen beide erwartungsgemäß eine positive Assoziation mit Erkrankungen.
Ich glaube nicht, dass dies auf eine biologische Erklärung zurückzuführen ist – es scheint eher ein Problem der Multikollinearität zu sein. Ich weiß, dass ich entweder VIF oder PCA verwenden könnte, um dieses Problem zu lösen. Da mein Ergebnis jedoch binär ist, bin ich mir nicht sicher, wie ich VIF korrekt berechnen soll. Ich habe versucht, eine Kleinstquadrate-Regression zwischen den beiden Variablen durchzuführen und erhielt einen VIF von 1, aber ich glaube nicht, dass das hier der richtige Ansatz ist.
Hat jemand schon einmal eine ähnliche Situation erlebt? Wie würden Sie empfehlen, damit umzugehen?
Hallo @RafaelZS ,
Haben Sie darüber nachgedacht, einfach einen Interaktionsterm (X1*X2) in das Modell einzufügen, um die Auswirkungen auf die Modellergebnisse und die VIF-Werte zu sehen? Wenn Sie einen Datensatz bereitstellen könnten, wäre das hilfreich.
Danke,
Ben
