全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 SPSS论坛
4021 5
2011-03-10
利用spss的VIF和Tolerence发现模型存在严重多重共线性问题后,(当然不一定要处理多重共线性),我想问该如何进行下一步处理?处理的关键是删除相关程度较强的自变量。
在马庆国的管理统计书上看到将所有自变量都放入方程,采用backward法,先剔除对因变量解释最小的自变量,然后再检验。
想问对因变量解释最小的自变量是看SPSS输出表格中的标准化回归系数一栏么?哪个变量对应的beta最小,就删除哪个?
还是应该根据VIF越大,说明共线性越严重,然后选择VIF最大对应的自变量最先剔除呢?

高手帮帮忙吧!!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2011-3-10 10:53:00
你的研究如果理论很充分,那么随意删除自变量就不太好,可以进行中心化处理后纳入模型试试。如果属于探索性的研究,那可以删除自变量,但不是根据回归系数值的大小,而是应该根据对因变量方差的解释增量大小,即增加的R2,采用backward应该可以自动显示出来的。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-3-10 11:38:50
juventume 发表于 2011-3-10 10:53
你的研究如果理论很充分,那么随意删除自变量就不太好,可以进行中心化处理后纳入模型试试。如果属于探索性的研究,那可以删除自变量,但不是根据回归系数值的大小,而是应该根据对因变量方差的解释增量大小,即增加的R2,采用backward应该可以自动显示出来的。
谢谢你的回答
我还想问 :根据VIF越大,说明共线性越严重,然后选择VIF最大对应的自变量最先剔除呢?这个方法是否可行呢?完全根据数据导向?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-3-10 12:49:15
VIF大的那个说明与其他自变量的相关度跟高,从数据的角度来说提出它会比较好。但是数据还是要服务理论模型的,最好还是先提出哪些对因变量解释力度最小的自变量。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-3-10 14:07:41
恩恩,楼上正解
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-3-20 08:26:26
学习了学习了哈哈
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群