Satura rādītājs:

Kā atbrīvoties no multikollinearitātes?
Kā atbrīvoties no multikollinearitātes?

Video: Kā atbrīvoties no multikollinearitātes?

Video: Kā atbrīvoties no multikollinearitātes?
Video: 10 Checking and Removing Multicollinearity in SPSS with Dr Himayatullah Khan 2024, Maijs
Anonim

Kā es varu tikt galā ar multikollinearitāti?

  1. Noņemt ļoti korelētie prognozētāji no modeļa.
  2. Izmantojiet daļēju mazāko kvadrātu regresiju (PLS) vai galveno komponentu analīzi, regresijas metodes, kas samazina prognozētāju skaitu līdz mazākai nekorelētu komponentu kopai.

Turklāt, kas ir multikollinearitāte un kā to pārvarēt?

Multikollinearitāte rodas, ja regresijas modeļa neatkarīgie mainīgie tiek korelēti. Šī korelācija ir problēma, jo neatkarīgiem mainīgajiem jābūt neatkarīgiem. Ja korelācijas pakāpe starp mainīgajiem ir pietiekami augsta, tā var radīt problēmas, kad tu pielāgot modeli un interpretēt rezultātus.

Ziniet arī, kāpēc multikolinearitāte ir problēma? Multikollinearitāte ir problēma jo tas mazina neatkarīga mainīgā statistisko nozīmīgumu. Ja citas lietas ir vienādas, jo lielāka ir regresijas koeficienta standartkļūda, jo mazāka ir iespēja, ka šis koeficients būs statistiski nozīmīgs.

Ziniet arī, kā aprēķināt multikollinearitāti?

Multikollinearitāte var noteikt arī ar tolerances un tās abpusējās vērtības, ko sauc par dispersijas inflācijas koeficientu (VIF), palīdzību. Ja pielaides vērtība ir mazāka par 0,2 vai 0,1 un vienlaikus VIF 10 un lielāka, tad daudzkolinearitāte ir problemātiska.

Vai multikollinearitāte ietekmē prognozēšanu?

Daudzkolinearitāte nav ietekmēt cik labi modelis der. Patiesībā, ja vēlaties izmantot modeli, lai prognozes , abi modeļi rada identiskus rezultātus uzstādītajām vērtībām un prognoze intervāli!

Ieteicams: