Hồi quy logistic - Mối quan tâm / Cạm bẫy đa nhân cách

Trong Hồi quy logistic, có cần phải quan tâm đến tính đa hình như bạn sẽ thực hiện hồi quy OLS không?

Ví dụ, với hồi quy logistic, nơi tồn tại đa cộng tuyến, bạn có cần phải thận trọng (như bạn sẽ làm trong hồi quy OLS) với việc suy luận từ các hệ số Beta không?

Đối với hồi quy OLS, một "sửa chữa" đối với tính đa hình cao là hồi quy sườn, có điều gì tương tự như vậy đối với hồi quy logistic không? Ngoài ra, bỏ các biến, hoặc kết hợp các biến.

Những cách tiếp cận nào là hợp lý để làm giảm ảnh hưởng của đa cộng đồng trong hồi quy logistic? Có phải chúng cơ bản giống như OLS?

(Lưu ý: đây không phải là mục đích của một thử nghiệm được thiết kế)

Tất cả các nguyên tắc tương tự liên quan đến đa cộng tuyến áp dụng cho hồi quy logistic như chúng làm với OLS. Có thể sử dụng cùng một chẩn đoán đánh giá tính đa hình (ví dụ VIF, số điều kiện, hồi quy phụ trợ) và các kỹ thuật giảm kích thước tương tự có thể được sử dụng (chẳng hạn như kết hợp các biến thông qua phân tích thành phần chính).

Câu trả lời này của chl sẽ dẫn bạn đến một số tài nguyên và gói R để phù hợp với các mô hình logistic bị phạt (cũng như một cuộc thảo luận tốt về các loại thủ tục hồi quy bị phạt này). Nhưng một số ý kiến ​​của bạn về "giải pháp" cho đa cộng đồng là một chút làm tôi bối rối. Nếu bạn chỉ quan tâm đến việc ước tính mối quan hệ cho các biến không được cộng tác thì các "giải pháp" này có thể ổn, nhưng nếu bạn quan tâm đến việc ước tính hệ số của các biến đó thì các kỹ thuật này không giải quyết được vấn đề của bạn. Mặc dù vấn đề về đa cộng đồng là về mặt kỹ thuật ở chỗ ma trận các biến dự đoán của bạn không thể đảo ngược, nhưng nó có một điểm tương đồng logic ở chỗ các yếu tố dự đoán của bạn không độc lập và các hiệu ứng của chúng không thể được xác định duy nhất.