Multikollinearität

Alle Verfahren der Regressionanalyse.

Multikollinearität

Beitragvon regressionsanalyse123 » Do 3. Jul 2014, 22:18

Hallo,

ich brauche dringend Eure Hilfe. In meiner Abschlussarbeit versuche ich, einige Werte mit Regressionsanalysen zu ermitteln. Allerdings ist mir jetzt aufgefallen, dass ich vermutlich ein großes Problem mit der Multikollinearität bekomme (teilweise sogar mit perfekter Multikollinearität), wenn ich das richtig sehe. Mein Frage ist nun, inwieweit ich das Problem lösen kann, indem ich einfach mehrere Regressionsanalysen durchführe? Denn im Endeffekt geht es mir nur darum, den Einfluss der unabhängigen Variablen zu bestimmen.

Vielen Danke schon mal für Eure Unterstützung!
regressionsanalyse123
Grünschnabel
Grünschnabel
 
Beiträge: 3
Registriert: Do 3. Jul 2014, 22:08
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Multikollinearität

Beitragvon strukturmarionette » Do 3. Jul 2014, 23:17

Hi,

wenn das so ist, dann messen einige der UVs wahrscheinlich das gleiche.
Das kommt oft vor, wenn man sich Items selber ausdenkt und /oder zusammenmixt.

Dann die 'doppelten' UVs rauslöschen.

Gruß
S.
strukturmarionette
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 4352
Registriert: Fr 17. Jun 2011, 22:15
Danke gegeben: 32
Danke bekommen: 586 mal in 583 Posts

Re: Multikollinearität

Beitragvon daniel » Do 3. Jul 2014, 23:19

Perfekte Kollinearität liegt meiner Erfahrung nach an (a) fehlerhafter Konstruktion von Indikatorvariablen oder (b) zu "großen" Modellen bei zu geringer Fallzahl. Letzteres ist problematisch.

Bevor wild Variablen aus dem Modell geworfen werden, bitte die Diskussion hier überfliegen: regressionanalyse-f11/auswertung-regressionsanalyse-t4375.html
Stata is an invented word, not an acronym, and should not appear with all letters capitalized: please write “Stata”, not “STATA”.
daniel
Inventar
Inventar
 
Beiträge: 739
Registriert: Mo 6. Jun 2011, 13:23
Danke gegeben: 0
Danke bekommen: 169 mal in 161 Posts

Re: Multikollinearität

Beitragvon regressionsanalyse123 » Do 3. Jul 2014, 23:48

Variablen aus dem Modell zu entfernen, ist in meinem Fall, denke ich, nicht möglich.. Um den Kontext zu verstehen: Ich habe ein Modell entwickelt, bei dem verschiedene Messvariablen (Indikatoren für ein bestimmtes Ereignis) in Baumstruktur im Sinne der Graphentheorie definiert sind..
Auf Basis der Beta-Koeffizienten möchte ich nun die Kantengewichtung vornehmen. Wenn ich einzelne Variablen aus dem Modell herausnehmen würde, hätte ich für die entsprechenden Kanten eben keine Kantengewichtung.
Daher meine Frage, ob ich vllt einfach mehrere Regressionsanalysen durchführen könnte, um die Multikollinearität zu vermeiden?
regressionsanalyse123
Grünschnabel
Grünschnabel
 
Beiträge: 3
Registriert: Do 3. Jul 2014, 22:08
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Multikollinearität

Beitragvon strukturmarionette » Fr 4. Jul 2014, 09:55

Hi,

in Baumstruktur im Sinne der Graphentheorie definiert sind..
Auf Basis der Beta-Koeffizienten möchte ich nun die Kantengewichtung vornehmen.


Erfordert derartiges denn kein Pfadmodell (für den Fall, dass nur manifeste Variablen vorliegen)?

Gruß
S.
strukturmarionette
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 4352
Registriert: Fr 17. Jun 2011, 22:15
Danke gegeben: 32
Danke bekommen: 586 mal in 583 Posts

Re: Multikollinearität

Beitragvon regressionsanalyse123 » So 6. Jul 2014, 16:08

Vielen Dank schon mal für den Hinweis mit der Pfadanalyse. Ich werde mir diese Methodik mal anschauen. Die Pfadanalyse hat also keinerlei Probleme mit Korrelationen?^^ Wobei mein Modell wirklich azyklisch und in Baumstruktur ist, daher auch mein Gedanke mit der Regressionsanalyse.

Aber um noch mal auf meine Ausgangsfrage zurückzukommen: Ist es denn im Prinzip möglich (auch wenn es nicht sehr "sauber" sein mag), Multikollinearität im meinem Fall einfach durch die Anwendung mehrerer Regressionsanalyse zu umgehen?
regressionsanalyse123
Grünschnabel
Grünschnabel
 
Beiträge: 3
Registriert: Do 3. Jul 2014, 22:08
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post


Zurück zu Regressionanalyse

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 16 Gäste