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.

Lade dir hier die Formelsammlung für deinen Bland-Altman-Plot herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!

10 % Rabatt auf unsereWorkshops & Kurse im Onlineshop!

Trage dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmäßige Rabatte, Tipps und Coachinginhalte für deine empirische Promotion

You have Successfully Subscribed!

Lade dir hier die Checkliste für deinen Methodenteil herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!


Jetzt 10 % Rabatt auf alle

Workshops & Kurse sichern!

You have Successfully Subscribed!

Downloade dir hier das Flowchart für deine ANOVA

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!