Мультиколлинеарность

Cтраница 2

При функциональной форме мультиколлинеарности по крайней мере одна из парных связей между объясняющими переменными является линейной функциональной зависимостью. В этом случае матрица Х Х особенная, так как содержит линейно зависимые векторы-столбцы и ее определитель равен нулю, т.е. нарушается предпосылка 6 регрессионного анализа. Это приводит к невозможности решения соответствующей системы нормальных уравнений и получения оценок параметров регрессионной модели. [16]

Матрица статистических характеристик.| Матрица парных коэффициентов корреляции. [17]

Гипотеза о наличии мультиколлинеарности отвергается, т.е. все показатели относительно независимы. [18]

Для решения проблемы мультиколлинеарности используется корреляци - ОКАЯЯ матрица ( Correlation Matrix), в которую заносятся коэффициенты парной корреляции для векторов независимых переменных. Если между некоторыми векторами обнаружится высокая степень корреляции ( в современных пакетах более 0 5), то выясняют причину ее возникновения и, как правило, исключают один из таких векторов из модели. [19]

Меры по устранению мультиколлинеарности неразрывно связаны с причинами ее возникновения. [20]

Решению проблемы устранения мультиколлинеарности факторов может помочь и переход к уравнениям приведенной формы. С этой целью в уравнение регрессии производится подстановка рассматриваемого фактора через выражение его из другого уравнения. [21]

Однако в экономических исследованиях мультиколлинеарность чаще проявляется в стохастической форме, когда между хотя бы двумя объясняющими переменными существует тесная корреляционная связь. Матрица Х Х в этом случае является неособенной, но ее определитель очень мал. [22]

К каким трудностям приводит мультиколлинеарность факторов, включенных в модель, и как они могут быть разрешены. [23]

Для устранения или уменьшения мультиколлинеарности используется ряд методов. Самый простой из них ( но далеко не всегда возможный) состоит в том, что из двух объясняющих переменных, имеющих высокий коэффициент корреляции ( больше 0 8), одну переменную исключают из рассмотрения. [24]

Для устранения или уменьшения мультиколлинеарности используется ряд методов. Один из них заключается в том, что из двух объясняющих переменных, имеющих высокий коэффициент корреляции ( больше 0 8), одну переменную исключают из рассмотрения. При этом, какую переменную оставить, а какую удалить из анализа, решают в первую очередь на основании экономических соображений. [25]

Наиболее радикальным способом устранения ложной мультиколлинеарности является переход к моделям тенденций развития. При этом результаты оказываются тем лучше, чем ближе между собой тенденции развития отдельных факторов. Однако модели тенденций развития имеют ограниченное информационное содержание. [26]

Среди мер по устранению или уменьшению мультиколлинеарности отметим следующие: 1) построение уравнений регрессии по отклонениям от тренда или конечным разностям; 2) преобразование множества независимых переменных в несколько ортогональных множеств при помощи методов многомерного статистического анализа ( факторного анализа или метода главных компонент); 3) исключение из рассмотрения одного или нескольких линейно связанных аргументов. [27]

Ортогональность главных компонент предотвращает проявление эффекта мультиколлинеарности. Кроме того, применяемый метод позволяет ограничиться малым числом главных компонент при сравнительно большом количестве исходных объясняющих переменных. [28]

В то же время при наличии мультиколлинеарности оценка Джеймса - Стейна может оказаться столь же неудовлетворительной, как и обычная мнк-оценка. [29]

Оценивание параметров уравнения регрессии в случае сильной мультиколлинеарности основано на различных методах регуляризации задачи - модификациях регрессии на главные компоненты, гребневых и редуцированных оценках. Со статистической точки зрения получаемые оценки являются, в отличие от мнк-оценок, смещенными. Однако они обладают рядом оптимальных свойств, в частности обеспечивают лучшие прогностические свойства оцененного уравнения регрессии на объектах, не вошедших в обучающую выборку. [30]

Страницы: 1 2 3 4