急求。指标间相关性处理，和多重共线性处理是否可通用？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

       各位，我在做综合评价，评价指标是由已有文献中理论分析构建的，模型中指标之间有关联。而一般评价指标的建立要求独立性原则，是否应该做相关性分析和处理，避免指标间相关性过高，重复计算影响评估结果？
       我只看到文献关于建立回归模型时判断多重共线性的一些方法。但是综合评价时，因变量应该是未知的待评估出的结果，这和建立回归模型是的情况不太一样。是否能使用判断多重共线性的方法来分析指标的相关性，判断指标体系建立是否合理？
       如果不行怎样解决该问题？

有人说简单看各指标数据间相关系数，值大就直接删去该指标。可是这样的话很多指标都属于正、负相关，但是从考虑其含义，直接删除会导致与原有的理论抵触。个人觉得不合理。

我看到论坛里有个类似的帖子有人回答：  
    1、根据理论提出假设确定指标体系的几个方面。
    2、每个方面提出若干个相关的问题。
    3、搜集数据。
    4、分别对各个方面做信度检验，最后做总体信度检验。
    5、对指标体系做探索性因素分析，即做因子分析。
    6、用amos或其他软件做验证性因子分析。
    7、最后对各个方面做结构方程模型分析，确定各个方面的关系。

不太明白。是否是说用建立结构方程模型的方法可以相对避免指标相关性过高的问题。但是这个方法好像比较难，我的时间紧迫，有没有简单点的方法？

有没有相关资料介绍这类问题？谢谢了！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：多重共线性 多重共线 相关性 共线性 探索性因素分析 指标 相关性 独立性 因变量

不可以通用，指标的相关性高，指标之间可能存在较高的线性关系，但是线性关系只是数学上的一种概念，不能表示一定存在相关关系，不是充要条件，综合评价一般做因子分析消除变量之间的相关关系（我一点见解，多多指教）。

谢谢楼上！

若不可以通用，一般用因子分析还是用主成份分析消除变量之间的相关关系呢？我看到的各有说法。
我思考了下主成份和因子分析其实都没有删去实际使用的数据的指标，应该是通过提取主成份或者因子然后做出的响应评分的方程中给出的权重，来避免相关性使得重复计算影响评价结果的吧？

但是这样的话，就是从底层指标直接归纳出中间层指标（准则层等）。
但是由于我的指标体系的中间层是根据对要评价的目标指标（一个抽象的指标）的定义构建的，也就是说整个指标体系的准则层等都是已经定下来的，并且想要体现这个理论。如果用主成份分析等从底层构建的指标体系结果很大可能上和原先想要保证的不同，无法支持以构建的指标体系的顶层。

但是自己建的指标体系、选取的指标又无法很有说服力的说明相关性的问题。这就是我纠结的地方。不知道解释清楚没有。

而且我的指标的权重和评价算法等都是已经定了的，不打算用主成份评价或者因子分析评价。这样的情况怎样办呢？如何分析我的指标间的相关性，进行处理呢？

你好，我现在也遇到这个情况，比如我要衡量一个人很成功，成功指数=学历+工龄+收入+职业，但是学历、工龄、收入、职业有很强的相关性，我怎么验证这个模型是可行或者稳定的呢？

我想问一下，我今天看到一篇文章说用kalman滤波消除共线性，卡拉曼不是用来提取共同信息的吗？也可以用来消除共线性？

我和楼主遇到的问题一样啊

您好  请问您最后是怎么解决的呢

aurorecasilo 发表于 2012-5-25 21:44
谢谢楼上！

若不可以通用，一般用因子分析还是用主成份分析消除变量之间的相关关系呢？我看到的各有说法 ...

请问您，最后用的什么方法解决可能的共线性问题呢，谢谢。