מולטיקולינאריות היא בעיה כי זה מערער את המובהקות הסטטיסטית של משתנה בלתי תלוי. שאר הדברים שווים, ככל ששגיאת התקן של מקדם רגרסיה גדולה יותר, כך הסבירות שהמקדם הזה יהיה מובהק סטטיסטית קטנה יותר.
איך אתה יודע אם מולטי-קולינאריות היא בעיה?
אחת הדרכים למדוד מולטי-קולינאריות היא the variance inflation factor (VIF), אשר מעריך עד כמה השונות של מקדם רגרסיה משוער גדלה אם המנבאים שלך נמצאים בקורלציה. … VIF בין 5 ל-10 מצביע על מתאם גבוה שעלול להיות בעייתי.
האם קולינאריות מהווה בעיה לחיזוי?
מולטיקולינאריות היא עדיין בעיה עבור כוח חיזוי. המודל שלך יתאים יתר על המידה ופחות סביר להכליל לנתונים מחוץ לדגימה. למרבה המזל, ה-R2 שלך לא יושפע והמקדמים שלך עדיין יהיו בלתי מוטים.
מדוע קולינאריות היא בעיה ברגרסיה?
מולטיקולינאריות מפחית את הדיוק של המקדמים המשוערים, מה שמחליש את הכוח הסטטיסטי של מודל הרגרסיה שלך. ייתכן שלא תוכל לסמוך על ערכי p כדי לזהות משתנים בלתי תלויים בעלי מובהקות סטטיסטית.
מתי כדאי להתעלם מהקולינאריות?
זה מגדיל את השגיאות הסטנדרטיות של המקדמים שלהם, וזה עלול להפוך את המקדמים האלה לבלתי יציבים בכמה דרכים. אבל כל עוד הקולינאריתמשתנים משמשים רק כמשתני בקרה, והם אינם תואמים למשתנים המעניינים אותך, אין בעיה.
