Hoe kan ik multicollinearity oplossen bij een interactie effect? [gesloten]

Question

Voor mijn master thesis onderzoek ik onder andere in hoeverre persoonlijkheid effect heeft op je positie in een netwerk gemodereerd door hiërarchie door middel van multiple hierarchical regression. In het eerste model voeg ik mijn controle variabelen toe, in het tweede personality trait A, in de derde personality trait B en in de 4de personality trait C. Tot zover niets aan de hand.

Ik centreer vervolgens alle 3 de personality traits (onafhankelijke variabelen op scale niveau) en hierarchy (dummy variabele) om de interactie effecten te maken. In model 5 voeg ik het eerste interactie effect toe en in model 6 het tweede interactie effect. Op dat moment verspringt de VIF van personality trait B en het interactie effect, dat ik op dat moment toevoeg, naar boven de 10. Daarvoor was de VIF voor deze trait nog onder de 10. (19.383 voor de trait en 18.497 voor het interactie effect).

Kan ik hier iets aan doen en is het noodzakelijk dat ik hier iets aan doe?

Answer 1

Helaas begeleiden wij geen masterthese trajecten. Deze site is voor ondersteuning bij de onderzoekspractica. Dit moet je dus met je begeleider bespreken, ook omdat er verschillende opvattingen bestaan over wat nu het beste is. Om daar wat meer informatie over te geven, en om je op weg te helpen: bestudeer bijvoorbeeld de pagina's die je vindt als je zoekt op https://www.google.com/search?q=mean+centring+dummy+interaction+regression.