Multikollinearität liegt vor, wenn die Prädiktoren (innerhalb einer multiplen linearen Regression) sehr hoch untereinander korreliert sind und somit die gleiche Varianz erklären. Das hat einerseits einen Einfluss auf die Güte der Signifikanztests, andererseits wird aber auch die Schätzung der b-Gewichte sehr ungenau (siehe auch: Varianzinflationsfaktor). Da Multikollinearität bedeutet, dass einer der beiden Prädiktoren überflüssig ist, kannst du sie in Griff bekommen, in dem du dir überlegst, welcher der beiden hochkorrelierenden Prädiktoren, der wirklich erklärende für das Kriterium (deine zu erklärende Variable innerhalb der Regression) ist. Dieser wird dann im Modell belassen und der andere entfernt.
Kategorien
Neueste Beiträge
- Nie wieder Ärger beim Datenimport – so legst du deinen Datensatz richtig an!
- Wie interpretiere ich eine ANOVA?
- So berechnest und berichtest du die ANOVA für Gruppenvergleiche in 9 Schritten
- Wie erstelle ich gute Grafiken in R?
- So erstellst du mühelos ein Balkendiagramm für Häufigkeiten in R – Video-Tutorial!