Я знайшов посилання в статті, яка виглядає так:
За даними Tabachnick & Fidell (1996), незалежні змінні з двоваріантною кореляцією більше, ніж 70, не повинні включатись у багаторазовий регресійний аналіз.
Проблема: Я використовував у дизайні множинних регресій 3 корельовані змінні> .80, VIF з приблизно .2 - .3, толерантність ~ 4- 5. Я не можу виключити жодну з них (важливі прогнози та результат). Коли я регресував результат на двох прогнозах, які співвідносилися в .80, вони залишалися обома значущими, кожен прогнозував важливі відхилення, і ці ж дві змінні мають найбільшу частку та коефіцієнти кореляції напівчастинної кореляції серед усіх 10 включених змінних (5 контролів).
Питання: Чи дійсна моя модель, незважаючи на високі співвідношення? Будь-які посилання дуже вітаються!
Дякую за відповіді!
Я не використовував Табачніка та Фіделла в якості керівництва, я знайшов цю посилання в статті, що стосується високої колінеарності серед прогнозів.
Таким чином, я маю занадто мало випадків для кількості предикторів у моделі (багато категоричних, фіксованих контрольних змінних-манекен - вік, термін перебування, стать тощо) - 13 змінних для 72 випадків. Індекс стану - 29, з усіма елементами управління та ~ 23 без них (5 змінних).
Я не можу скинути будь-яку змінну або використовувати факторний аналіз для їх поєднання, оскільки теоретично вони мають сенс самостійно. Занадто пізно отримати більше даних. Оскільки я провожу аналіз у SPSS, можливо, найкраще було б знайти синтаксис регресії хребта (хоча я цього раніше не робив і інтерпретація результатів була б для мене новою).
Якщо це має значення, коли я проводив поступову регресію, ті самі 2 сильно корельовані змінні залишилися єдиними значущими прогнокторами результату.
І я досі не розумію, чи мають часткові кореляції, які є високими для кожної з цих змінних, як пояснення того, чому я їх утримував у моделі (якщо регресія хребта не може бути виконана).
Чи можете ви сказати, що "діагностика регресії: виявлення впливових даних та джерел колінеарності / Девід А. Белслі, Едвін Кух та Рой Е. Вельш, 1980" буде корисною для розуміння мультиколінеарності? Чи можуть бути корисні інші посилання?