VIF en Tolerance- kennisclip PDF

Preview

Summary

Download VIF en Tolerance- kennisclip PDF

Description

KENNISCLIP – VIF en TOLERANCE Samengevat Multi-colineariteit: het samengaan van verschillende onafhankelijke variabelen (X) VIF (Variance inflation factor): Maat voor het verklaren van X door andere onafhankelijke X-variabelen. Tolerance: Reciproke van de VIF (1/VIF) Waarden (andere zijn mogelijk, maar wij gebruiken deze): VIF > 10 is problematisch; Tolerance < 0.1 is problematisch.

= binnen lineaire regressie = dienen om op zoek te gaan naar multicolineariteit (= onderling samenhang van verschillende onafhankelijke variabelen) vb. er zijn 3 onafhankelijke variabelen (knieflexie, dorsiflexie en heupflexie) en het blijkt dat als er een beperkte knieflexie is dit ook invloed gaat hebben op de andere variabelen. Wat doet VIF en tolerance nu? Die zeggen iets over in welke mate die variabelen elkaar kunnen verklaren. Kunnen we bijvoorbeeld flexie in de knie verklaren adhv van de andere variabelen? X1 = knieflexie R² zegt ons hoeveel procent van de variantie we met dit model kunnen verklaren over de uitkomst X1 - Het is een getal tussen 0 en 1 - als deze hoog is en de kneiflexie kan bepaald worden door de andere variabelen dan wil dat dus zeggen dat er een sterke samenhang is dus er is multicollineariteit. - Is deze laag dan is er geen samenhang en geen multicol  Maar R² is heel verwarrend want we hebben dit al gebruikt in een totaal andere context dus we gaan deze omzetten naar een ander begrip nl VIF en TOLERANCE (deze R² heeft niets te maken met de R² die we krijgen in spss)  Als R² hoog is dan zal er een hoge VIF zijn en een lage TOLERANCE want een heel hoge R² is bijna 1 en stel men vult dit in de formule voor VIF dan krijgt met 1/0 en dat is oneindig dus heel groot. Een VIF groter dan 10 is problematisch. TOLERANCE is 1/VIF dus als de VIF groot is dan krijgen we een laag getal. Een getal kleiner dan 0.1 is problematisch.  Omgekeerd voor een lage R² waarde want 1/(1-0) is 1 = lage VIF. Hoe dichter de VIF tegen de 1 ligt hoe beter. TOLERANCE is het hoogst 1. NADELEN van de multicollineariteit: - Schattingen worden moeilijker aangezien onzekerheden toenemen - SPSS kan een foutmelding geven en berekeningen kunnen vastlopen - Model wordt instabiel en kan steeds een ander resultaat geven...