STATISTIK-FORUM.de

[skiteryo]

Hallo,
ich möchte eine log. Regression rechnen, da das Kriterium dichotom ist. Leider korrelieren aber einige meiner Prädiktoren.
Kann ich in diesem Fall die korrelierenden, wenn sie etwas ähnliches messen einfach zu einer Variable mit einem breiteren Begriff zusammenfassen und dann als Prädiktor verwenden?
Und was aber, wenn fast alle Prädiktoren korrelieren, gibt es dann noch ein anderes Verfahren? Oder könnte man trotz dieser Einschränkung (Multikollinearität) Aussagen machen?
Über Rat würde ich mich sehr freuen.

[daniel]

Korrelierte Prädikatoren sind der Grund, weshalb wir überhaupt regressionsanalytische Verfahren anwenden. Weil Prädikatoren korreliert sind, kontrollieren wir in multivariaten Analysen für ihren Einfluss. Wenn alle Prädikatoren unkorreliert wären, wozu dann eine Regression schätzen, wenn es eine Reihe bivariater Korrelationen tut?

Fazit: wenn die Koeffizienten geschätzt werden können, ist die Korrelation zwischen Prädikatoren in den allermeisten Fällen absolut unproblematisch.

[skiteryo]

Jetzt wo Du es sagst, klingt das plausibel. Aber guck mal hier, ganz unten unter Voraussetzungen:
http://www.soz.uni-jena.de/adl/m3_regr/ ... ogregr.htm

...keine Multikollinearität - oder ist das noch etwas anderes als Korrelation?
Schönen Gruß.

[daniel]

Multikollinearität ist in der Tat der lineare Zusammenhang zwischen mehreren Prädikatoren. Im Extremfall, in dem ein Prädikator als lineare Kombination anderer Prädikatoren dargestellt werden kann (z.B. bei fehlerhafter Erstellung von Indikatorvariablen) können die Koeffizienten nicht mehr geschätz werden. Das ist ein mathematisches Problem, keine Verletzung eines theoretischen Gedankens. Bei starker Multikollinearität (die nicht alleine durch bivariate Korrelationen geprüft werden kann), werden die Standardfehler der geschätzen Koeffizienten sehr groß. So kommt es zu insignifikanten und "instabilen" Koeffizienten, die durch minimale Veränderungen im sample oder dem Modell stark schwanken können, und desshalb als unzuverlässig gelten. Da man m.E. gegen Multikollinearität nicht allzuviel tun kann, sollte man sehr wohl ein Auge darauf haben, aber sich auch keine allzu Großen Gedanken machen - insbesondere dann, wenn die geschätzen Koeffizienten (trotz infaltionärer Standardfehler) signifikant werden.

Dein Vorschlag Prädikatoren zusammenzufassen ist nicht verkehrt, wenn es theoretisch gut begründbar ist. Alleine aufgrund (hoher) Korrelation würde ich das nicht tun. Zudem sollte man bedenken, dass man, falls es sich doch um verschiedene Konstrukte handelt, diesen den gleichen Koeffizienten (Einfluss, Effekt) "aufzwängt".

[skiteryo]

Danke, das hat mir wirklich weiter geholfen.

[skiteryo]

Eine Frage habe ich jetzt doch noch: Wenn ich eine log. Regression berechne, bei der das Kriterium sich so verteilt, dass ein Mal 2 Personen und ein Mal 11 je eine Gruppe bilden- kann ich dann überhaupt davon ausgehen, dass die Berechnung valide ist?