Обнаружение и устранение мультиколлинеарности


При самостоятельном желании понять тему " Обнаружение и устранение мультиколлинеарности " вам поможет наш ресурс. Для вас наши специалисты подготовили материал, изучив который вы будете разбираться в ней уровне профессионала. А если у вас останутся вопросы, то задать их вы сможете прямо на сайте написав в чат онлайн-консультанта.

оформить заявку

Слишком сложно? Тогда запросите консультацию специалиста!

Наша компания занимается тем, что помогает студентам выполнять различные учебные работы на заказ. Вы можете ознакомиться с перечнем выполняемых работ, а так же с их стоимостью на странице с ценами.

ознакомиться с условиями

Краткое пояснение: Обнаружение и устранение мультиколлинеарности

Для обнаружения парной коллинеарности можно использовать матрицу коэффициентов парной корреляции между факторами:

(3)

Для оценки мультиколлинеарности факторов может использоваться определитель матрицы парных коэффициентов корреляции между факторами : чем ближе к нулю определитель матрицы межфакторной корреляции, тем выше мультиколлинеарность факторов и ненадежнее результаты множественной регрессии.

Для примера рассмотрим модель с тремя объясняющими переменными:

Матрица коэффициентов парной корреляции между факторами имеет вид:

(4)

Если факторы не коррелируют между собой (идеальный случай), то и определитель матрицы , если же между факторами существует полная линейная зависимость (абстракция, идеальный случай), то все коэффициенты корреляции и определитель такой матрицы равен нулю:

При рассмотрении реальных экономических процессов определитель матрицы коэффициентов межфакторной корреляции принимает значения и чем ближе он к нулю, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии.

Прежде чем указать основные методы устранения мультиколлинеарности отметим, что в ряде случаев мультиколлинеарность не является серьезным недостатком, чтобы прилагать усилия для ее устранения. Ответ на это зависит в основном от цели исследования.

Если основная задача модели – прогноз будущих значений зависимой переменной, то при достаточно большом коэффициенте детерминации (>0,9) наличие мультиколлинеарности зачастую не сказывается на прогнозных качествах модели. Хотя это утверждение будет обоснованным лишь в том случае, что и в будущем между коррелированными переменными будут сохраняться те же отношения, что и ранее.

Если же целью исследования является определение степени влияния каждой из объясняющих переменных на зависимую переменную, то наличие мультиколлинеарности, приводящее к увеличению стандартных ошибок, скорее всего, исказит истинные зависмости между переменными. В этой ситуации мультиколлинеарность представляется серьезной проблемой.

Отметим, что единого метода устранения мультиколлинеарности, пригодного в любом случае, не существует. Это связано с тем, что причины и последствия мультиколлинеарности неоднозначны и во многом зависят от результатов выборки.

Методы устранения мультиколлинеарности:

1) простейшим методом устранения мультиколлинеарности является исключение из модели одной или нескольких коррелированных переменных.

2) иногда для уменьшения мультиколлинеарности достаточно увеличить объем выборки.

3) в ряде случаев проблема мультиколлинеарности может быть решена путем изменения спецификации модели: либо изменяется форма модели, либо добавляются объясняющие переменные, не учтенные в первоначальной модели, но существенно влияющие на зависимую переменную. Например, для устранения мультиколлинеарности можно перейти к совмещенным уравнениям регрессии, т.е. к уравнениям, которые не только отражают влияние факторов, но и их взаимодействие. Например, для уравнения с тремя объясняющими переменными можно построить следующую модель:




(5)

Рассматриваемая модель включает в себя взаимодействие первого порядка. Можно включать в модель и взаимодействие более высоких порядков, однако, как правило, взаимодействие третьего и более высокого порядка оказывается статистически незначимым. Не всегда оказывается целесообразным включать в модель все факторы и всех порядков. Если анализ совмещенного уравнения, к примеру, показал значимость только взаимодействия факторов и , то уравнение будет иметь вид:

(6)

Вследствие взаимодействия факторов парные коэффициенты корреляции не могут в полной мере решать вопрос о целесообразности включения в модель того или иного фактора с результатом. Матрица частных коэффициентов корреляции наиболее широко используется в процедуре отсева факторов. Отсев факторов можно проводить и по критерию Стьюдента для коэффициентов регрессии: из уравнения факторы с величиной критерия меньше табличного.


Конечно, для полного рассмотрения вопроса 'Обнаружение и устранение мультиколлинеарности', приведенной информации не достаточно, однако чтобы понять основы, её должно хватить. Если вы изучаете эту тему, с целью выполнения задания заданного преподавателем, вы можете обратится за консультацией в нашу компанию. В нашей команде работает большой состав специалистов, которые разбираются в изучаемом вами вопросе на экспертном уровне.

Хм, так же просматривали

Заказ

ФОРМА ЗАКАЗА

Бесплатная консультация

Наша компания занимается написанием студенческих работ. Мы выполняем: дипломные, курсовые, контрольные, задачи, рефераты, диссертации, отчеты по практике, решаем тесты и задачи, и многие другие виды заданий. Чтобы узнать стоимость, а так же условия выполнения работы заполните заявку на этой странице. Как только менеджер увидит ваше сообщение, он сразу же свяжется с вами.

Этапность

СОПРОВОЖДЕНИЕ КЛИЕНТА

Получить работу можно всего за 4 шага

01
Оставляете запрос

Оформляете заказ работы, заполняя форму на сайте.

02
Узнаете стоимость

Менеджер оценивает сложность. Узнаете точную цену.

03
Работа пишется

Оплачиваете и автор приступает к выполнению задания.

04
Забираете заказ

Получаете работу в электронном виде на вашу почту.

Услуги

НАШ СЕРВИС

Что мы еще делаем?

icon
Курсовые работы

от 1800 рублей

ПОДРОБНЕЕ
icon
РГР (расчетно-графические работы)

от 230 рублей

ПОДРОБНЕЕ
icon
Практические работы

от 1300 рублей

ПОДРОБНЕЕ
icon
Online помощь

от 380 рублей

ПОДРОБНЕЕ
icon
Решение задач

от 180 рублей

ПОДРОБНЕЕ
icon
Проверка на антиплагиат

от 40 рублей

ПОДРОБНЕЕ