Multicollinearity-ийг хэрхэн илрүүлэх вэ?
Multicollinearity-ийг хэрхэн илрүүлэх вэ?

Видео: Multicollinearity-ийг хэрхэн илрүүлэх вэ?

Видео: Multicollinearity-ийг хэрхэн илрүүлэх вэ?
Видео: multicollinearity - detection and removal 2024, May
Anonim

Олон шугаман байж болно бас байх илрүүлсэн хүлцэл ба түүний харилцан хамаарлын тусламжтайгаар хэлбэлзлийн инфляцийн хүчин зүйл (VIF). Хэрэв хүлцэл хүлээх утга нь 0.2 эсвэл 0.1 -ээс бага байвал VIF 10 ба түүнээс дээш байх тохиолдолд олон уялдаа холбоо асуудалтай байна.

Үүнтэй адилаар та multicollinearity нь асуудалтай эсэхийг яаж мэдэх вэ гэж асууж магадгүй юм.

Олон шугаман байдал тохиолддог хэзээ регрессийн загвар дахь бие даасан хувьсагчид харилцан хамааралтай байдаг. Энэ хамаарал нь a асуудал Учир нь бие даасан хувьсагчид бие даасан байх ёстой. Хэрэв хувьсагчдын хоорондын хамаарлын зэрэг нь хангалттай өндөр, энэ нь үүсгэж болно асуудал хэзээ та загварт тааруулж, үр дүнг тайлбарлах болно.

Дараа нь бид яагаад Multicollinearity-ийг шалгадаг вэ гэсэн асуулт гарч ирнэ. Олон шугаман байдал Үүний үр дүнд нэг түүврээс нөгөө түүвэр рүү хэсэгчилсэн регрессийн коэффициентийн хэмжээ болон тэмдэгтүүд өөрчлөгдөнө. Олон шугаман байдал хамааралтай хувьсагчаас үүссэн өөрчлөлтийг тайлбарлахад бие даасан хувьсагчдын харьцангуй ач холбогдлыг үнэлэхэд уйтгартай болгодог.

Түүнээс гадна та автокорреляцийг хэрхэн илрүүлэх вэ?

Автокорреляци коррелограмм (ACF график) ашиглан оношлогддог бөгөөд Дурбин-Ватсон ашиглан шалгаж болно. туршилт . -ийн авто хэсэг автокорреляци өөрийгөө гэсэн грек үгнээс гаралтай ба автокорреляци бусад өгөгдлүүдтэй харилцан уялдаатай байхаас ялгаатай нь өөртэйгөө хамааралтай өгөгдлийг хэлнэ.

VIF гэж юу гэсэн үг вэ?

Инфляцийн хэлбэлзлийн хүчин зүйл

Зөвлөмж болгож буй: