Multikolinearita je problém, pretože podkopáva štatistickú významnosť nezávislej premennej. Ak sú ostatné veci rovnaké, čím väčšia je štandardná chyba regresného koeficientu, tým menšia je pravdepodobnosť, že tento koeficient bude štatisticky významný.
Ako zistíte, či je multikolinearita problémom?
Jedným zo spôsobov, ako merať multikolinearitu, je faktor rozptylu inflácie (VIF), ktorý posudzuje, do akej miery sa zvýši rozptyl odhadovaného regresného koeficientu, ak sú vaše prediktory korelované. … VIF medzi 5 a 10 označuje vysokú koreláciu, ktorá môže byť problematická.
Je kolinearita problémom predpovedania?
Multikolinearita je stále problémom pre predikčnú schopnosť. Váš model bude prepasovať a bude menej pravdepodobné, že zovšeobecní na údaje mimo vzorky. Našťastie vaša R2 nebude ovplyvnená a vaše koeficienty budú stále nestranné.
Prečo je kolinearita problémom pri regresii?
Multikolinearita znižuje presnosť odhadovaných koeficientov, čo oslabuje štatistickú silu vášho regresného modelu. Možno nebudete môcť dôverovať p-hodnotám pri identifikácii nezávislých premenných, ktoré sú štatisticky významné.
Kedy by ste mali ignorovať kolinearitu?
Zvyšuje štandardné chyby ich koeficientov a môže spôsobiť, že tieto koeficienty budú nestabilné niekoľkými spôsobmi. Ale pokiaľ kolineárnepremenné sa používajú iba ako kontrolné premenné a nie sú kolineárne s premennými, ktoré vás zaujímajú, nie je v tom žiadny problém.
