Мультиколлинеарлылық проблема болып табылады, себебі ол тәуелсіз айнымалы статистикалық маңыздылығын бұзады. Басқа мәндер тең болса, регрессия коэффициентінің стандартты қателігі неғұрлым үлкен болса, бұл коэффициенттің статистикалық маңызды болу ықтималдығы соғұрлым аз болады.
Мультиколлинеарлық проблема екенін қалай білуге болады?
Мультиколлинеарлықты өлшеудің бір жолы - дисперсиялық инфляция коэффициенті (VIF), болжауыштарыңыз корреляцияланған болса, болжанған регрессия коэффициентінің дисперсиясының қаншалықты өсетінін бағалайды. … 5 және 10 арасындағы VIF проблемалы болуы мүмкін жоғары корреляцияны көрсетеді.
Соллинеарлылық болжау үшін проблема ма?
Мультиколлинеарлылық әлі де болжамдық қуат үшін проблема болып табылады. Сіздің үлгіңіз шамадан тыс болады және үлгіден тыс деректерге жалпылау ықтималдығы аз болады. Бақытымызға орай, R2 әсер етпейді және коэффициенттеріңіз әлі де бейтарап болады.
Неге коллинеарлылық регрессияда мәселе болып табылады?
Мультиколлинеарлылық есептік коэффициенттердің дәлдігін төмендетеді, бұл регрессия үлгісінің статистикалық күшін әлсіретеді. Статистикалық маңызды тәуелсіз айнымалыларды анықтау үшін p-мәндеріне сене алмауыңыз мүмкін.
Соллинеарлықты қашан елемеу керек?
Бұл олардың коэффициенттерінің стандартты қателерін арттырады және бұл коэффициенттерді бірнеше жолмен тұрақсыз етуі мүмкін. Бірақ коллинеар болғаншаайнымалылар тек басқару айнымалылары ретінде пайдаланылады және олар сізді қызықтыратын айнымалы мәндермен сәйкес келмейді, мәселе жоқ.
