Number of predictors and multicollinearity: What are their effects on error and bias in regression?

The present Monte Carlo simulation study adds to the literature by analyzing parameter bias, rates of Type I and Type II error, and variance inflation factor (VIF) values produced under various multicollinearity conditions by multiple regressions with two, four, and six predictors. Findings indicate...

Celý popis

Podrobná bibliografie

Vydáno v:	Communications in statistics. Simulation and computation Ročník 48; číslo 1; s. 27 - 38
Hlavní autoři:	Lavery, Matthew Ryan, Acharya, Parul, Sivo, Stephen A., Xu, Lihua
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Philadelphia Taylor & Francis 02.01.2019 Taylor & Francis Ltd
Témata:	Bias Collinearity Computer simulation Error analysis Monte Carlo simulation Monte Carlo simulation study Multicollinearity Multiple regression Parameters Regression analysis Statistical methods
ISSN:	0361-0918, 1532-4141
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!