আমি বিশ্বাস করি এর মতো প্রভাবগুলি প্রায়শই কোলাইনারিটির কারণে ঘটে ( এই প্রশ্নটি দেখুন )। আমি মনে করি গেলম্যান অ্যান্ড হিলের মাল্টিলেভেল মডেলিং সম্পর্কিত বইটি এটি সম্পর্কে আলোচনা করেছে। সমস্যা হল যেIV1
এক বা একাধিক অন্যান্য ভবিষ্যদ্বাণীকের সাথে সম্পর্কিত এবং যখন তারা সমস্ত মডেলটিতে অন্তর্ভুক্ত থাকে, তখন তাদের অনুমানটি ত্রুটিযুক্ত হয়ে যায়।
যদি সহগামী উল্টানো কলিনারিটির কারণে হয়, তবে এটি রিপোর্ট করা সত্যই আকর্ষণীয় নয় কারণ এটি আপনার ভবিষ্যদ্বাণীকারীদের পরিণতির সাথে সম্পর্কের কারণে নয়, তবে ভবিষ্যদ্বাণীকারীদের মধ্যে সম্পর্কের কারণে।
এই সমস্যার সমাধানের জন্য আমি যা দেখেছি তা হ'ল অবশিষ্টাংশ। প্রথমে আপনি কোনও মডেল ফিট করেন IV2 ~ IV1
, তারপরে সেই মডেলের অবশিষ্টাংশগুলি গ্রহণ করুন rIV2
। যদি আপনার সমস্ত ভেরিয়েবলগুলি পারস্পরিক সম্পর্কযুক্ত হয় তবে আপনার সত্যিকার অর্থে সমস্তটি পুনরায় আকার দেওয়া উচিত। আপনি এটি করতে পছন্দ করতে পারেন
rIV2 <- resid(IV2 ~ IV1)
rIV3 <- resid(IV3 ~ IV1 + rIV2)
rIV4 <- resid(IV4 ~ IV1 + rIV2 + rIV3)
এখন, সঙ্গে চূড়ান্ত মডেল ফিট
DV ~ IV1 + rIV2 + rIV3 + rIV4
এখন, এর সহগ তার সাথে সম্পর্কিত rIV2
হওয়ার স্বাধীন প্রভাবটি উপস্থাপন করে । আমি শুনেছি আপনি যদি অন্য কোনও ক্রমে পুনর্নির্মাণ করেন তবে আপনি একই ফলাফল পাবেন না এবং অবশিষ্টাংশের আদেশটি বেছে নেওয়া আপনার গবেষণার মধ্যে রায় দেওয়ার আহ্বান।IV2
IV1