Ich versuche, eine gültige Frage im Forum zu stellen und lasse mich nicht
Link zum Beitrag: (Hilfe bei der Behandlung der Kollinarität in einem Cox-Proportionalmodell?)
von RafaelZS
https://community.jmp.com/t5/Discussions/Help-with-addressing-colliniarity-in-a-cox-proportional-model/mp/871715#M103574
Ich brauche Hilfe, um das folgende Problem besser zu verstehen und zu lösen. Ich erstelle ein Modell, um die Entwicklung von Herz-Kreislauf-Erkrankungen in einer Kohorte vorherzusagen. Ich habe zwei Variablen einbezogen, die stark miteinander korreliert sind (R² = 0,83). Wenn ich beide in das Modell einbeziehe, ändert eine von ihnen ihre Richtung – sie wird zu einem Schutzfaktor statt einem Risikofaktor. Wenn ich jedoch jede Variable einzeln einbeziehe, zeigen beide wie erwartet eine positive Assoziation mit der Erkrankung. 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 das Problem zu lösen. Da mein Ergebnis aber 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 eine ähnliche Situation bewältigt? Was würden Sie empfehlen, um das Problem zu lösen?
Diese Nachricht hat 0 Antworten
