Słownik metodologiczny · Regresja

Współliniowość

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Współliniowość

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Współliniowość?

Współliniowość oznacza silną liniową zależność predyktorów, która zwiększa niepewność i niestabilność ich współczynników warunkowych.

Zastosowanie, warunki i dobre praktyki

Silnie powiązane predyktory mogą wspólnie dobrze przewidywać Y, a jednocześnie uniemożliwiać precyzyjne rozdzielenie ich unikatowych współczynników. Objawami są duże błędy standardowe, niestabilne znaki i wrażliwość na drobne zmiany próby. Rozwiązanie zależy od celu: teoria, łączenie miar, regularizacja lub większa próba mogą być lepsze niż mechaniczne usuwanie zmiennej. Jej konsekwencją bywa duża niepewność i zmiana znaków współczynników przy stabilnych przewidywaniach całego modelu, dlatego problem dotyczy głównie interpretacji efektów cząstkowych.

Najważniejsze zastosowanie: Diagnozuj VIF, korelacjami, strukturą projektu i stabilnością.

Jak to się oblicza i co oznaczają symbole?

VIFⱼ = 1 / (1 − Rⱼ²)

Gdy Rⱼ² jest bliskie 1, j-ty predyktor można niemal odtworzyć z pozostałych, a mianownik 1 − Rⱼ² staje się mały. Wtedy VIF rośnie, błędy standardowe pojedynczych współczynników zwiększają się, a znaki mogą być niestabilne. Nie oznacza to jednak automatycznie złej predykcji całego modelu.

Jak poprawnie stosować i interpretować hasło „Współliniowość”?

Przy ocenie pojęcia „Współliniowość” analizuje się zależności między predyktorami oraz ich wpływ na znaczenie i precyzję współczynników. Dla interpretacji hasła „Współliniowość” problem dotyczy warunkowej informacji w konkretnym modelu, dlatego nie rozstrzyga go sama macierz korelacji par. W odniesieniu do hasła „Współliniowość” trzeba sprawdzić kodowanie zmiennych, wyrazy interakcji, kontrasty oraz to, czy predyktory odpowiadają odrębnym pytaniom teoretycznym.

Ocena pojęcia „Współliniowość” obejmuje błędy standardowe, stabilność znaku i wielkości parametrów, VIF lub tolerance oraz porównanie sensownych specyfikacji. Przy ocenie hasła „Współliniowość” centrowanie może ułatwić interpretację interakcji, ale nie usuwa współliniowości wynikającej z prawie redundantnych pomiarów. W analizie dotyczącej hasła „Współliniowość” usuwanie predyktora tylko po to, by obniżyć VIF może zmienić pytanie badawcze.

Co trzeba opisać w raporcie?

Raport dotyczący „Współliniowość” powinien podać, których predyktorów dotyczy problem, użyte kryterium i skutek dla estymat. Dla interpretacji hasła „Współliniowość”, jeśli model zmieniono, należy opisać decyzję merytoryczną oraz porównać kluczowe współczynniki przed i po zmianie. W odniesieniu do hasła „Współliniowość” w przypadku supresji warto pokazać korelacje zero-order i parametry warunkowe.

Zakres raportowania dla hasła „Współliniowość”: Podaj diagnostykę i sposób rozwiązania oparty na celu modelu.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Dwa niemal identyczne wskaźniki dają duże SE i zmienne znaki β.

Jak ją zinterpretować: Silna zależność predyktorów sprawia, że ich unikatowe współczynniki są nieprecyzyjne i podatne na zmianę znaku. Problem należy oceniać przez VIF, macierz zależności i cel modelu, a nie usuwać zmienne mechanicznie.

Najczęstsza pułapka i granica interpretacji

Usuwanie zmiennej tylko dla obniżenia VIF może powodować błąd pominiętej zmiennej.

Wartość związana z „Współliniowość” nie ma jednego uniwersalnego progu. Przy ocenie hasła „Współliniowość” silne związki między predyktorami utrudniają rozdzielenie ich wkładów, lecz nie muszą pogarszać predykcji łącznej; znaczenie zależy od celu modelu.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Collins et al., 2024).

Powiązane hasła

Reszty regresjiData miningDummy codingEkonometriaHeterogeniczność wariancjiHomogeniczność wariancji

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Collins, G. S., Moons, K. G. M., Dhiman, P., Riley, R. D., Beam, A. L., Van Calster, B., Ghassemi, M., Liu, X., Reitsma, J. B., van Smeden, M., Boulesteix, A.-L., Camaradou, J. C., Celi, L. A., Denaxas, S., Denniston, A. K., Glocker, B., Golub, R. M., Harvey, H., Heinze, G., … Logullo, P. (2024). TRIPOD+AI statement: Updated guidance for reporting clinical prediction models. BMJ, 385, e078378. https://doi.org/10.1136/bmj-2023-078378
  2. Peduzzi, P., Concato, J., Kemper, E., Holford, T. R., & Feinstein, A. R. (1996). A simulation study of the number of events per variable in logistic regression analysis. Journal of Clinical Epidemiology, 49(12), 1373–1379. https://doi.org/10.1016/S0895-4356(96)00236-3
  3. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  4. Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267
  5. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  6. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594

Cytowania BibTeX

@article{collins2024tripod, author={Collins, Gary S. and Moons, Karel G. M. and Dhiman, Paula and Riley, Richard D. and Beam, Andrew L. and Van Calster, Ben and Ghassemi, Marzyeh and Liu, Xiaoxuan and Reitsma, Johannes B. and van Smeden, Maarten and Boulesteix, Anne-Laure and Camaradou, Jennifer Catherine and Celi, Leo Anthony and Denaxas, Spiros and Denniston, Alastair K. and Glocker, Ben and Golub, Robert M. and Harvey, Hugh and Heinze, Georg and Hoffman, Michael M. and Kengne, André Pascal and Lam, Emily and Lee, Naomi and Loder, Elizabeth W. and Maier-Hein, Lena and Mateen, Bilal A. and McCradden, Melissa D. and Oakden-Rayner, Lauren and Ordish, Johan and Parnell, Richard and Rose, Sherri and Singh, Karandeep and Wynants, Laure and Logullo, Patricia}, title={TRIPOD+AI statement: updated guidance for reporting clinical prediction models}, journal={BMJ}, year={2024}, volume={385}, pages={e078378}, doi={10.1136/bmj-2023-078378}}
@article{peduzzi1996epv, author={Peduzzi, Peter and Concato, John and Kemper, Elizabeth and Holford, Theodore R. and Feinstein, Alvan R.}, title={A simulation study of the number of events per variable in logistic regression analysis}, journal={Journal of Clinical Epidemiology}, year={1996}, volume={49}, number={12}, pages={1373--1379}, doi={10.1016/S0895-4356(96)00236-3}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{lakens2022sample, author={Lakens, Daniël}, title={Sample size justification}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, pages={33267}, doi={10.1525/collabra.33267}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
R