Мультиколлинеарлылықтың маңызы Мультиколлинеарлылықтың салдары Мультиколлинеарлылықтың анықтамасы

1. 
   Мультиколлинеарлылықтың маңызы
   
2. 
   Мультиколлинеарлылықтың салдары
   
3. 
   Мультиколлинеарлылықтың анықтамасы
   
4. 
   Мультиколлинеарлылықты жою
   

коллинеарлылық болады – бір немесе бірнеше түсіндіру айнымалылардың өзара сызықтың байланысы. Егер түсіндіру айнымалылар арасындағы байланыс қатан функционалдық болса, онда жетілген мультиколлинеарлылық туралы айтады.

1. 
   Бағаның үлкен дисперсиялары (стандартты қателер). Олар анықталатын шама-
   

латып интервалдық бағаларды кеңейтеді.

2. 
   t – статистика коэффициенттері кішірееді, бұл жағдай сәйкестік түсіндіру айны-
   

маған қорытындыға мүмкін.

3. 
   Коэффициенттер арқылы бағалау және олардың стандартты қателер берілгендер-
   

4. Әрбір түсіндіру айнымалының регрессия теңдеумен түсіндірілетін дисперсияға

тәуелді айнымалының үлес анықтамасы қиындайды.

5. Регрессия коэффициенті алуы мүмкін. Сондықтан, регрессия моделін құрған-

да факторларды мультиколлинеарлылыққа талдау және оны жою міндетті түрде

шарт болады.

3. 
   Мультиколлинеарлылықтың анықтамасы. Практикада мультиколлинеарлы-
   

байымдалады:

Корреляция коэффициентті, белгінің өз-өзімен байланысын өлшейтін, тең бірге,

яғни бұл жағдайда максималды тығыз байланыстын орны болады. Сондықтан,

корреляциялық матрицада бас диагональ бойында бірлер тұр. Корреляциялық

матрица бас диагональ арқылы симметриалы болады, яғни . Егер факторлар

бір бірімен коррелиалдық болмаса, онда парлық коэффициенттер матрицасының

анықтаушы тең бірге, өйткені диагональды емес барлық элементтері тең

Мысалы,

Керісінше, егер барлық факторлар коррелиалдық болса, яғни олардың арасында сызықты тәуелдік болса, онда матрица анықтауышы тең болады////////; мысалы

Сонымен, мынадай қорытынды жасауға болады: осындай матрицаның анықтауышы неғұрлым нөлге жақындағанша, соншама факторлар арасындағы сызықтың тәуелсіздік күшті болады.

3. 
   Мультиколлинеарлылықты жою. Мультиколлинеарлылықты жоюдын негізгі әдістері:
   

дірілген айнымалылар регрессиядан жойылады және ол жаңадан бағаланады.

Егер ;онда айнымалының біреуін жоюға болады, бірақ қайсысы екенін

факторлардың басқарылуынан шығады.

Егер фактордың бір мезгілде басқарылуы болып немесе болмау жағдай пайда

болса, онда қандай бір факторды шығару туралы сұрақты бас факторларды

іріктеу процедура көмегімен шешуге болады. Бас факторларды іріктеу проце-

дура келесі кезеңдерді міндетті енгізеді:

а) факторлар және қос корреляция коэффициенттер арасында мәндерінің

талдауы жасалады.

б) түсіндірме факторлардың нәтижелік айнымалымен өзара байланыс туралы

талдау жасалады.

таңдамадан сызықты тәуелді болғандықтан, онда мүмкін басқа таңдамада

мультиколлинеарлылық болмайды, әлде онша салмақты емес болады. Кейде

мультиколлинеарлылықты азайту үшін таңдама көлемін үлкейту жеткілікті.

Мысалы, үлкейту жылдағы берілгендерді пайдаланғанда квартал – тоқсандар

берілгендерге көшуге болады. Берілгендер мөлшері үлкейуі регрессия коэф-

фициенттерінің дисперсиясы қысқарады, сонымен бірге олардың статистика-

лық маңыздылығы улкейеді. Бірақ, жаңа таңдама алу немесе ескіні кеңейту.

Әрқашанда мүмкін болуы емес немесе салмақты шығындармен байланысты.

3. Модельдің ерекше өзгеруі. Бірнеше оқиғаларда мультиколлинеарлылық мә-

селесі модельдің ерекше өзгеру жолымен шешілуі мүмкін болады, не модельдің

түрі өзгереді, не алғашқы модельде есептелмеген, бірақ тәуелді айнымалыға

әсер ететін, түсіндірме айнымалыларын қосады. Егер берілген әдістің негізі

болса, онда оны пайдалануы ауытқуының квадраттар қосындысын азайтады,

онымен бірге регрессияның стандартты қатесін қысқартады. Ол коэффициент-

терінің стандартты қателерінің азайтуына келтіреді.

4. Айнымалыларды түрлендіру. Кейбір жағдайда минималдау әлде мультикол-

линеарлылықтың проблемасын жалпы жою айнымалыларды түрлендіру көме-

гімен мүмкін болады. Мысалы, регрессияның эмпирикалық теңдеуі болсын және де мен коррелиалдық айнымалылар. Бұл жағдайда салыстырмалы шамалардың регрессиялық тәуелділігін талаптанып

анықтауға болады: