Une règle empirique concernant la multicolinéarité est que vous avez trop lorsque le VIF est supérieur à 10 (c'est probablement parce que nous avons 10 doigts, alors suivez ces règles empiriques pour ce qu'ils valent). L'implication serait que vous avez trop de colinéarité entre deux variables si r≥. 95.
Qu'entend-on par haute colinéarité ?
Les corrélations par paires entre les variables indépendantes peuvent être élevées (en valeur absolue). Règle empirique: si la corrélation > 0,8 alors une multicolinéarité sévère peut être présente. Il est possible que les coefficients de régression individuels soient insignifiants, mais que l'ajustement global de l'équation soit élevé.
Qu'est-ce qu'une colinéarité acceptable ?
Les valeurs VIF doivent être inférieures à 5 pour garantir que la colinéarité n'est pas un problème dans votre modèle. Cependant, certains chercheurs recommandent qu'il soit < 3.3 lors de l'application de PLS-SEM. … Accepter un VIF inférieur à 5 ou 10 dépend du nombre de variables explicatives impliquées.
Quand dois-je m'inquiéter de la colinéarité ?
La multicolinéarité est un problème courant lors de l'estimation de modèles linéaires ou linéaires généralisés, y compris la régression logistique et la régression de Cox. Cela se produit lorsqu'il existe de fortes corrélations entre les variables prédictives, ce qui entraîne des estimations peu fiables et instables des coefficients de régression.
Qu'entend-on par multicolinéarité élevée ?
Élevé: Lorsque la relation entre lesvariables exploratoires est élevée ou il y a une corrélation parfaite entre elles, alors on dit qu'il y a une multicolinéarité élevée.
