ฉันเชื่อว่าเอฟเฟ็กต์เช่นนี้มักเกิดจากความรู้สึกร่วมกัน (ดูคำถามนี้ ) ฉันคิดว่าหนังสือเกี่ยวกับการสร้างแบบจำลองหลายระดับโดย Gelman และ Hill พูดถึงมัน ปัญหาคือว่าIV1
มีความสัมพันธ์กับหนึ่งหรือมากกว่าหนึ่งทำนายอื่น ๆ และเมื่อพวกเขาทั้งหมดรวมอยู่ในรูปแบบการประเมินของพวกเขากลายเป็นเอาแน่เอานอนไม่ได้
ถ้าค่าสัมประสิทธิ์การพลิกเกิดขึ้นเนื่องจากความสัมพันธ์แบบ Collinearity ก็ไม่น่าสนใจจริงๆที่จะรายงานเพราะมันไม่ได้เกิดจากความสัมพันธ์ระหว่างตัวทำนายของคุณกับผลลัพธ์ แต่จริงๆแล้วเป็นเพราะความสัมพันธ์ระหว่างตัวทำนาย
สิ่งที่ฉันได้เห็นข้อเสนอแนะเพื่อแก้ไขปัญหานี้คือการตกค้าง ครั้งแรกที่คุณพอดีกับแบบจำลองสำหรับแล้วใช้เวลาที่เหลือของรูปแบบที่เป็นIV2 ~ IV1
rIV2
หากตัวแปรทั้งหมดของคุณมีความสัมพันธ์กันคุณควรทำให้พวกเขาเหลือทั้งหมด คุณสามารถเลือกทำเช่นนี้
rIV2 <- resid(IV2 ~ IV1)
rIV3 <- resid(IV3 ~ IV1 + rIV2)
rIV4 <- resid(IV4 ~ IV1 + rIV2 + rIV3)
ตอนนี้พอดีกับรุ่นสุดท้ายด้วย
DV ~ IV1 + rIV2 + rIV3 + rIV4
ตอนนี้ค่าสัมประสิทธิ์สำหรับrIV2
แสดงให้เห็นถึงผลกระทบที่เป็นอิสระจากที่กำหนดความสัมพันธ์ของตนกับIV2
IV1
ฉันได้ยินมาว่าคุณจะไม่ได้รับผลลัพธ์ที่เหมือนกันหากคุณตกค้างในลำดับที่แตกต่างกันและการเลือกคำสั่งซื้อที่ตกค้างนั้นเป็นการเรียกการตัดสินในการวิจัยของคุณ