Diskussion:Multikollinearität

Letzter Kommentar: vor 1 Jahr von Biggerj1 in Abschnitt Erweitern

In der Praxis hat man doch fast imm Multikollinearität. Wenn ich das Alter einer Person (abhängige Variable) schätzen will aus Gewicht (unabhängige Variable) und Größe (unabhängige Variable), dann hängen doch Gewicht und Größe durchaus zusammen... Ist das also ein Problem? --Chrisqwq 19:55, 5. Nov. 2006 (CET)Beantworten


Das ist kein Problem. Es leuchtet ja ein, dass Variablen welche alle das gleiche erklären sollten untereinander auch korrelieren. Das Problem tritt erst auf, wenn die Korrelation zwischen den unabhängigen Variablen sehr stark wird. Wobei hier von Fall zu Fall unterschieden werden sollte. Bei gewissen Modellen machen auch Korrelationen der UV von 0.5 noch Sinn. Wichtig ist einfach, dass man dieses Problem sieht und beim ziehen möglicher Schlüsse darauf achtet. (BP)

Doch das ist ein Problem! Wenn ich nämlich zwei korrelierte Variablen habe und ich will damit etwas erklären, dann kann ich kein eindeutiges Modell bilden, da ich die Einflüsse nicht vereinzeln kann. Im Beispiel oben müsste ich also die Auswirkung des Gewichts allein auf das Alter und die Auswirkung der Größe allein auf das Alter ermitteln, um das richtige Modell zu finden. Das geht aber nicht, da die Variablen eben immer zusammen auftreten. Somit ist es nicht möglich ein korrektes Modell zu bilden. Ganz abgesehen davon, das das Beispiel schlecht ist, weil die Annahme, das Alter einer Person ließe sich durch Größe und Gewicht erklären offensichtlich falsch ist ;-). -- 85.180.66.54 15:19, 23. Jul. 2009 (CEST)Beantworten

vor allem bei schwierigeren modellen wie zB wirtschaftlichen vollmodellen macht es ehr probleme, weil ziemlich alle wirtschaftlichen variablen iergendwelche interdependenzen aufweisen und über genaue wirkungszusammenhänge kein konsenz herrscht. Aber wollte eigendlich darauf hinweisen dass die interwikilinks hier zu wünschen übrig lassen.

Mir fehlt hier, dass Multikollinearität auch Probleme bei der Interpretation der Regressiongleichung macht; es nicht nur ein numerisches Problem. --Sigbert 09:54, 18. Nov. 2008 (CET)Beantworten

Ja, und zwar sind die t-Werte nach unten verzerrt! (nicht signierter Beitrag von 81.217.111.186 (Diskussion | Beiträge) 22:58, 11. Mär. 2010 (CET)) Beantworten

Habe den Artikel mal überarbeitet. --Sigbert 23:03, 26. Sep. 2009 (CEST)Beantworten

Wie kann Multikollinarität behoben werden? Ich nehme an, dass vor allem sachlogische Fragestellungen eine Rolle spielen. Beispiel: Urlaubszufriedenheit wird erklärt durch Sonnenscheindauer und Temperatur. Durch sachlogische Überlegungen kann man Temperatur als Funktion der Sonnenscheindauer (Kollinearität) und beisplw. des Bewölkungsgrades ersetzten.) Gibt es mathematische Möglichkeiten Kollinearität in einer Regressionsanalyse zu mindern? (nicht signierter Beitrag von 134.100.32.208 (Diskussion) 22:00, 28. Sep. 2010 (CEST)) Beantworten

Es gibt mehrere Möglichkeiten mit Multikollinearität, z.B. bei zwei multikollinearen Variablen, umzugehen:
  1. In dem man statt beide multikollinearen Variablen, auf Basis der Theorie/Sachlogik, nur eine der beiden Variable in die Regression einfliessen lässt. Das Problem hierbei ist, dass man bei zwei unterschiedlichen Theorien zu verschiedenen Regressionsmodellen kommen kann. Nicht sehr hilfreich, wenn man eigentlich die "bessere" Theorie finden/stützen will.
  2. Man kann für die erklärenden Variablen eine Faktoranalyse durchführen und statt den erklärenden Variablen die Faktoren in der Regression verwenden. Das Problem hier ist natürlich, dass man für die Faktoren eine sinnvolle Interpretation finden muß.
  3. Man kann den möglichen Wertebereich der Regressionskoeffizienten beschränken, d.h. es werden nur sinnvolle (aus der Theorie bestimmte) Wertebereiche für einzelne Regressionkoeffizienten zugelassen. Das Problem ist hier wieder, dass theoretische/sachlogische Überlegungen, wie bei 1., die Regression beeinflußen.
--Sigbert 07:33, 4. Okt. 2010 (CEST)Beantworten

Abbildung Bearbeiten

Es gibt eine Möglichkeit Multikollinearität über ein Venn-Diagramm zu veranschaulichen, im Buch von "Backhaus: Multivariate Analysemethoden" im Kapitel Regressionsanalyse gegeben. Sollte man rechtlich auch direkt übernehmen können, da keine Schöpfungshöhe. Ein identischer Ansatz mit anderem Inhalt findet sich auf dieser Seite. Gruß, --WissensDürster (Diskussion) 19:33, 25. Nov. 2013 (CET)Beantworten

Erweitern Bearbeiten

Das pdf https://www.uni-kassel.de/fb07/index.php?eID=dumpFile&t=f&f=2778&token=52c593e09cf8d70bfd301f59fb53ac3ec2cc3a03 enthält einige weitere wertvolle Informationen biggerj1 (Diskussion) 08:12, 31. Aug. 2022 (CEST)Beantworten