Untitled Document
 
 
 
 
Untitled Document
Home
Current issue
Past issues
Topic collections
Search
e-journal Editor page

Multicolinearity: examples in binary logistic regression

สุฤดี โกศัยเนตร 1




    ในการวิเคราะห์ขัอมูลทางสถิติด้วยวิธี multi¬variable analysis เช่น multiple linear re¬gres¬sion,  multiple logistic regression, Cox’s pro¬por¬tional hazard model ซึ่งเป็นการศึกษาความสัมพันธ์ระหว่างตัวแปรตาม (dependent variable, outcome, Y) 1 ตัวและตัวแปรอิสระ (indepen¬dent variable, predictor, X) หลายตัวพร้อมกันนั้น มีข้อกำหนดว่าตัวแปรอิสระเหล่านั้นจะต้องไม่มีความสัมพันธ์กัน แต่ในทางปฏิบัติจะพบว่าตัวแปรอิสระอาจจะมีความสัมพันธ์กันเอง ซึ่งเรียกว่า multicolinearity  ถ้าตัวแปรอิสระมีความสัมพันธ์กันมากผลของการเกิด multico¬lineari¬ty จะมากด้วย(1)
      Multicolinearity คืออะไร ในการวิเคราะห์ข้อมูลด้วยวิธี multiple linear regression, multi¬ple logistic regression, non-linear regression, COX analysis และวิธีอื่นๆ ที่เป็นการศึกษาความสัมพันธ์ระหว่างตัวแปรตาม (Y) กับตัวแปรอิสระหลายตัว (X1, X2, ….., Xk) นั้น มีข้อกำหนดว่าตัวแปรอิสระเหล่านั้นจะต้องไม่มีความสัมพันธ์กัน แต่ในทางปฏิบัติจะพบว่าตัวแปรอิสระมักจะมีความสัมพันธ์กันเอง การที่ตัวแปร X มีความสัมพันธ์กันจะทำให้เกิดปัญหาที่เรียกว่า multicolinearity การเกิดปัญหา multi¬colinearity จะมากหรือน้อยจะขึ้นอยู่กับความสัมพันธ์ระหว่างตัวแปรอิสระ X ถ้าตัวแปรอิสระมีความสัมพันธ์กันมาก ปัญหา  multicolineari¬ty จะมากด้วย ซึ่งทำให้ผลของการเกิดปัญหา Multicolinearity รุนแรงด้วย ในที่นี้จะใช้วิธี multiple logistic regression  ในการวิเคราะห์(9)
      ดังนั้นจึงสรุปได้ว่าการเกิดปัญหา multi¬co¬linearity  เกิดจาก X1 มีความสัมพันธ์กับ X2 ส่วน X3 และ X4 ก็มีความสัมพันธ์กัน การที่ตัวแปร X จะมีความสัมพันธ์กันมากหรือน้อยจะขึ้นอยู่กับความสัมพันธ์ระหว่างตัวแปรอิสระ X
      สำหรับสาเหตุของปัญหา multicolinearity นอกจากเกิดขึ้นเพราะตัวแปรอิสระที่นำมาใช้มีลักษณะความสัมพันธ์ที่แน่นอนแล้ว ในบางกรณีปัญหานี้อาจเกิดขึ้นเนื่องจากกระบวนการรวบรวมตัวอย่างเชิงสุ่มที่บังเอิญได้ข้อมูลที่มีความสัมพันธ์กันมาก็ได้ กรณีเช่นนี้สามารถป้องกันและแก้ไขได้โดยการสุ่มตัวอย่างที่มีขนาดใหญ่เพียงพอที่จะทำให้มีความน่าเชื่อถือในการใช้งาน หรือเมื่อตรวจพบปัญหา multico¬linearity และไม่แน่ใจในเรื่องการสุ่มตัวอย่าง ผู้วิเคราะห์อาจทำการรวบรวมข้อมูลเพิ่มเติมแล้ววิเคราะห์ใหม่
      นอกจากนี้ปัญหา multicolinearity นี้จะเกิดขึ้นกับการวิเคราะห์การถดถอยเชิงซ้อนที่ใช้รูปแบบของความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามที่ไม่ใช่ความสัมพันธ์เชิงลิเนียร์ เช่น ความสัมพันธ์ในรูปพาราโบล่า เป็นต้น(3)
. . . Full text.
Untitled Document
Article Location
Volume 2 Number 1

Untitled Document
Article Option
       Abstract
       Fulltext
       PDF File
Untitled Document
 
ทำหน้าที่ ดึง Collection ที่เกี่ยวข้อง แสดง บทความ ตามที่ีมีใน collection ที่มีใน list Untitled Document
Another articles
in this topic collection

Sample size calculation for multiple linear regression: Testing Hypothesis and Estimation (การคำนวณขนาดตัวอย่างสำหรับงานวิจัยที่ใช้ตัวแบบการถดถอยพหุในการวิเคราะห์ข้อมูล:บนพื้นฐานการทดสอบสมมติฐานและการประมาณค่า)
 
Data analysis for multi-center study: ways to handle "center"? (แนวทางการวิเคราะห์ข้อมูลจากการวิจัยสหสถาบัน: จัดการอย่างไรกับตัวแปร "สถาบัน"?)
 
Post hoc Power Calculation is never justified. (การคำนวณ Power หลังจากผลการวิจัยออกมาแล้ว เป็นเรื่องไม่มีเหตุผลที่จะทำ)
 
ANALYSIS of 2x2 CROSSOVER DESIGN WITH CONTINUOUS DATA (ANALYSIS of 2x2 CROSSOVER DESIGN WITH CONTINUOUS DATA)
 
<More>
Untitled Document
 
This article is under
this collection.

Statistics
 
 
 
 
Copyright © 2006. Data Management & Biostatistics Journal.. All Rights Reserved
 
 
 
 

 


Warning: Unknown: Your script possibly relies on a session side-effect which existed until PHP 4.2.3. Please be advised that the session extension does not consider global variables as a source of data, unless register_globals is enabled. You can disable this functionality and this warning by setting session.bug_compat_42 or session.bug_compat_warn to off, respectively in Unknown on line 0