Čo je to multicollinearita?
Multicollinearity je štatistický jav, v ktorom sú dve alebo viac premenných v regresnom modeli závislé od ostatných premenných takým spôsobom, že je možné s vysokou mierou presnosti lineárne predpovedať jednu od druhej. Spravidla sa používa v pozorovacích štúdiách a menej populárne v experimentálnych štúdiách.
Typy multicollinearity
Existujú štyri typy multicollinearity
- # 1 - Perfect Multicollinearity - Existuje, keď nezávislé premenné v rovnici predpovedajú dokonalý lineárny vzťah.
- # 2 - Vysoká multicollinearita - Vzťahuje sa na lineárny vzťah medzi dvoma alebo viacerými nezávislými premennými, ktoré navzájom navzájom dokonale korelujú.
- # 3 - Štrukturálna multicollinearita - Spôsobuje to samotný výskumník vložením rôznych nezávislých premenných do rovnice.
- # 4 - Multicollinarita založená na dátach - je to spôsobené experimentmi, ktoré výskumník nesprávne navrhuje.
Príčiny multicollinearity
Nezávislé premenné, zmena parametrov premenných spôsobí malú zmenu premenných. Na výsledok má výrazný vplyv & Zber údajov sa týka vzorky vybranej populácie, ktorá sa odoberá.
Príklady multicolinearity
Príklad č
Predpokladajme, že spoločnosť ABC Ltd, KPO, bola najatá farmaceutickou spoločnosťou na poskytovanie výskumných služieb a štatistických analýz chorôb v Indii. Za týmto účelom si spoločnosť ABC ltd zvolila ako prima facie parametre vek, váhu, profesiu, výšku a zdravotný stav.
- Vo vyššie uvedenom príklade existuje situácia multicollinearity, pretože nezávislé premenné vybrané pre štúdiu priamo korelujú s výsledkami. Preto by bolo vhodné, aby výskumný pracovník najskôr upravil premenné pred zahájením ľubovoľného projektu, pretože výsledky budú priamo ovplyvnené kvôli tu vybraným premenným.
Príklad č
Predpokladajme, že spoločnosť ABC Ltd bola menovaná spoločnosťou Tata Motors, aby pochopila, že objem predaja motorov tata bude v ktorej kategórii na trhu vysoký.
- Vo vyššie uvedenom príklade sa najskôr finalizujú nezávislé premenné, na základe ktorých je potrebné výskum dokončiť. Môže to byť mesačný príjem, vek. Značka, nižšia trieda. Znamená to iba to, že sa vyberú údaje, ktoré sa zmestia na všetky tieto karty, aby sa zistilo, koľko ľudí si môže kúpiť toto auto (tata nano) bez toho, aby si čo i len pozrelo iné auto.
Príklad č
Predpokladajme, že spoločnosť ABC Ltd bola najatá na predloženie správy o tom, koľko ľudí do 50 rokov je náchylných na infarkt. z tohto dôvodu sú to parametre vek, pohlavie, anamnéza
- Vo vyššie uvedenom príklade existuje multicolinearita, ktorá vznikla, pretože je potrebné doladiť nezávislú premennú „age“ na vek do 50 rokov pre pozývanie žiadostí od verejnosti, aby sa osoby, ktoré majú viac ako 50 rokov, automaticky filtrovali.
Výhody
Ďalej uvádzame niektoré z výhod
- Lineárny vzťah medzi nezávislými premennými v rovnici.
- Veľmi užitočné pri štatistických modeloch a správach z výskumu pripravených spoločnosťami založenými na výskume.
- Priamy vplyv na požadovaný výsledok.
Nevýhody
Ďalej uvádzame niektoré z nevýhod
- V niektorých situáciách by sa táto otázka vyriešila zhromaždením ďalších údajov o premenných.
- Nesprávne použitie fiktívnych premenných, tj. Výskumný pracovník môže zabudnúť použiť fiktívne premenné, kedykoľvek je to potrebné.
- Vkladanie 2 rovnakých alebo rovnakých premenných do rovnice ako kg a libier v hmotnosti.
- Vloženie premennej do rovnice, ktorá je kombináciou 2.
- Vykonávanie výpočtov je komplikované, pretože ide o štatistickú techniku a na jej vykonanie sú potrebné štatistické kalkulačky.
Záver
Multicollinearity je jedným z najobľúbenejších štatistických nástrojov často používaných v regresnej analýze a štatistickej analýze pre veľké databázy a požadovaný výstup. Všetky veľké spoločnosti majú vo svojej spoločnosti samostatné štatistické oddelenie, ktoré vykonáva štatistickú regresnú analýzu produktov alebo osôb s cieľom poskytnúť manažmentu strategický pohľad na trh a tiež im pomôcť pri koncipovaní ich dlhodobých stratégií. Grafické znázornenie analýzy poskytuje čitateľovi jasný obraz o priamom vzťahu, presnosti a výkonnosti.
- Ak je cieľom výskumného pracovníka pochopiť nezávislé premenné v rovnici, potom bude pre neho multicolinearita veľkým problémom.
- Výskumník musí vykonať požadované zmeny v premenných v samotnej fáze 0, inak to môže mať výrazný vplyv na výsledky.
- Multicollinearitu je možné vykonať skúmaním korelačnej matice.
- Nápravné opatrenia zohrávajú významnú úlohu pri riešení problémov multicolinearity.
