Assessment of multicollinearity amo

Assessment of multicollinearity among predictor variables

Multicollinearity makes it difficult to determine which predictor variable is important in a regression equation. Therefore,before further analysis,multicollinearity among predictor variables was assessed. Pearson's correlation was computed among variable in the model to determine: 1)the linear relationship among predictor variables and self-management,and 2)multicollinearity among the independent varibles.The correlations among variables were shown in Appendix H. The results showed that correlations among the predictor variables ranged from .o2 to .61, indiceting low to moderate multicollinearity. Furthermore, two indices for diagnosing multicollinearity,namely,the tolerances and variance inflation factors (VIF) were tested. Tolerance is define as "the proportion of variability of that is not explained by its linear relationships with the other independent variables in the model".Tolerance values can range from 0.00
(perfect multicollineaity)to 1.00 (no multicollinearity). It was suggested that multicollineraity existed if a predictive variable has a tolerance of 0.1 or less. In this study, tolerance values in the regreession equations among predictor variables range from 0.46 to 0.94 as shown in Appendix I indicating no problem with multicollinearity. Variance inflation factor (VIF) is defined as the

ผลลัพธ์ (ไทย) 1:

ประเมิน multicollinearity ระหว่างตัวแปร predictorMulticollinearity ทำให้ยากที่จะกำหนดตัวแปรจำนวนประตูที่สำคัญในสมการถดถอย ดังนั้น ก่อนวิเคราะห์ multicollinearity ระหว่างตัวแปร predictor ได้ประเมิน มีคำนวณสหสัมพันธ์ของเพียร์สันระหว่างตัวแปรในแบบจำลองจะกำหนด: 1) ความสัมพันธ์เชิงเส้นระหว่างตัวแปร predictor และ จัดการตนเอง และ 2) multicollinearity ระหว่าง varibles ขึ้นอยู่กับการความสัมพันธ์ระหว่างตัวแปรที่แสดงในภาคผนวก H. ผลพบว่า ความสัมพันธ์ระหว่างตัวแปร predictor อยู่ในช่วงจาก.o2 กับ.61, indiceting ต่ำถึงปานกลาง multicollinearity นอกจากนี้ ถูกทดสอบดัชนีสองวินิจฉัย multicollinearity ได้แก่ การยอมรับ และต่างปัจจัยเงินเฟ้อ (VIF) ยอมรับถูกกำหนดเป็น "สัดส่วนของความแปรผันที่ไม่อธิบาย ด้วยความสัมพันธ์เชิงเส้นกับตัวแปรอิสระอื่น ๆ ในรูปแบบ"ยอมรับค่าสามารถช่วงจาก 0.00(โก multicollineaity) กับ 1.00 (ไม่ multicollinearity) มันถูกแนะนำที่ multicollineraity อยู่ถ้าตัวแปรทำนายมีการยอมรับ ของ 0.1 หรือน้อยกว่า ในการศึกษานี้ ค่าเผื่อในสมการ regreession ระหว่างตัวแปร predictor ช่วงตั้งแต่ 0.46 ถึง 0.94 ดังแสดงในภาคผนวกที่ฉันแสดงไม่ปัญหา multicollinearity ผลต่างอัตราเงินเฟ้อ (VIF) ถูกกำหนดให้เป็น

ผลลัพธ์ (ไทย) 2:

การประเมินพหุสัมพันธ์ระหว่างตัวแปรพหุทำให้ยากที่จะตรวจสอบว่าตัวแปรทำนายที่มีความสำคัญในสมการถดถอย ดังนั้นก่อนที่จะวิเคราะห์ต่อไปพหุสัมพันธ์ระหว่างตัวแปรได้รับการประเมิน ความสัมพันธ์ของเพียร์สันได้รับการคำนวณในตัวแปรในแบบจำลองเพื่อตรวจสอบ: 1) ความสัมพันธ์เชิงเส้นระหว่างตัวแปรและการจัดการตนเองและ 2) พหุสัมพันธ์ระหว่างความสัมพันธ์ varibles.The อิสระระหว่างตัวแปรที่แสดงในภาคผนวกเอชผลการศึกษาพบว่าความสัมพันธ์ระหว่าง ตัวแปรตั้งแต่ .o2 ที่ 0.61, indiceting ต่ำถึงปานกลางพหุ นอกจากนี้ทั้งสองดัชนีสำหรับการวินิจฉัยพหุคือความคลาดเคลื่อนและปัจจัยเงินเฟ้อแปรปรวน (VIF) ได้มีการทดสอบ ความอดทนคือการกำหนดว่า "สัดส่วนของความแปรปรวนของที่ไม่ได้อธิบายความสัมพันธ์เชิงเส้นที่มีตัวแปรอิสระอื่น ๆ ในรูปแบบ" ค่า .Tolerance สามารถช่วงจาก 0.00 (multicollineaity ที่สมบูรณ์แบบ) ถึง 1.00 (ไม่พหุ) มันก็ชี้ให้เห็นว่า multicollineraity อยู่ถ้าตัวแปรทำนายมีความอดทน 0.1 หรือน้อยกว่า ในการศึกษานี้ค่าความอดทนในสมการ regreession ระหว่างตัวแปรในช่วง 0.46-0.94 ดังแสดงในภาคผนวกที่ระบุปัญหาเกี่ยวกับพหุไม่มี ความแปรปรวนปัจจัยอัตราเงินเฟ้อ (VIF) ถูกกำหนดให้เป็น

ผลลัพธ์ (ไทย) 3:

การประเมินค่าของตัวแปรตัวแปร

ค่า ทำให้ยากต่อการตรวจสอบ ซึ่งทำนายตัวแปรสำคัญในสมการถดถอย . ดังนั้น ก่อนที่จะวิเคราะห์เพิ่มเติม ค่าของตัวแปรคือการประเมิน ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน ถูกคำนวณระหว่างตัวแปรในโมเดลเพื่อตรวจสอบ :1 ) ความสัมพันธ์เชิงเส้นระหว่างตัวแปรและการจัดการตนเอง และ 2 ) ค่าของทรัพยากรที่เป็นอิสระ ความสัมพันธ์ระหว่างตัวแปรได้ถูกแสดงในภาคผนวก เอช ผลการศึกษาพบว่า ความสัมพันธ์ระหว่างตัวแปรทำนายมีค่าอยู่ระหว่าง . O2 . 61 , indiceting ต่ำถึงปานกลางค่า . นอกจากนี้ สองดัชนีสำหรับการวิเคราะห์ข้อมูล ได้แก่คลาดเคลื่อนและปัจจัยเงินเฟ้อแปรปรวน ( VIF ) ทดสอบ ความอดทน คือ กำหนดเป็น " สัดส่วนของการเปลี่ยนแปลงที่ไม่ได้อธิบายโดยความสัมพันธ์เชิงเส้นของตัวแปรอิสระอื่น ๆ ในรูปแบบ " ค่าความอดทนสามารถช่วงจาก 0.00
( เหมาะ multicollineaity ) 1.00 ( ไม่มีข้อมูล )พบว่า multicollineraity มีอยู่ถ้าตัวแปรทำนายมีความอดทน 0.1 หรือน้อยกว่า ในการศึกษานี้ ยอมรับค่าใน regreession ความสัมพันธ์ ระหว่างตัวแปรตั้งแต่ 3 ดังแสดงในภาคผนวก 1 0.94 ระบุไม่มีปัญหากับค่า . ปัจจัยเงินเฟ้อแปรปรวน ( VIF ) หมายถึง