Презентация «Мультиколлинеарность»
Смотреть слайды в полном размере 
Вы можете ознакомиться с презентацией онлайн, просмотреть текст и слайды к ней, а также, в случае, если она вам подходит - скачать файл для редактирования или печати. Документ содержит 26 слайдов и доступен в формате ppt. Размер файла: 379.50 KB
Pic.1
Мультиколлинеарность Лекция
Pic.2
Цели лекции 1. Объяснить сущность проблемы мультиколлинеарности 2. Изучить последствия мультиколлинеарности 3. Указать средства обнаружения мультиколлинеарности 4. Обсудить проблему выбора средств …
Pic.3
Коллинеарность и мультиколлинеарность Термин «коллинеарность» характеризует линейную связь между двумя объясняющими переменными. «Мультиколлинеарность» означает линейную связь между более чем двумя …
Pic.4
Виды мультиколлинеарности. Строгая и нестрогая мультиколлинеарность 1. Строгая мультиколлинеарность – наличие линейной функциональной связи между объясняющими переменными (иногда также и зависимой). …
Pic.5
Суть строгой мультиколлинеарности Связь между объясняющими переменными – функциональная
Pic.6
Суть строгой мультиколлинеарности. Выводы Строгая мультиколлинеарность не позволяет однозначно определить коэффициенты регрессии и разделить вклады объясняющих переменных Х1 и Х2 в их влиянии на …
Pic.7
Нестрогая мультиколлинеарность. Пример Связь между объясняющими переменными – корреляционная
Pic.8
Сложность проблемы мультиколлинеарности 1. Корреляционные связи есть всегда. Проблема мультиколлинеарности – сила проявления корреляционных связей. 2. Однозначных критериев мультиколлинеарности не …
Pic.9
Причины возникновения мультиколлинеарности 1. Ошибочное включение в уравнение регрессии двух или более линейно зависимых переменных. 2. Две (или более) объясняющих переменных, в нормальной ситуации …
Pic.10
Мультиколлинеарность как результат логической ошибки Ошибочное признание независимыми содержательно зависимых переменных:
Pic.11
Мультиколлинеарность из-за доминантной переменной Доминантная переменная «забивает» влияние остальных:
Pic.12
Неизбежность мультиколлинеарности 1. Мультиколлинеарность – нормальное явление. Практически любая модель содержит мультиколлинеарность. 2. Мы не обращаем внимания на мультиколлинеарность до появления …
Pic.13
Механизм действия мультиколлинеарности Мультиколлинеарность проявляется в совместном действии факторов: 1. Построить модель – значит определить вклад каждого фактора. 2. Если два или более фактора …
Pic.14
Зависимость мультиколлинеарности от выборки Мультиколлинеарность – явление, проявляющееся на уровне выборки: 1. В одной выборке мультиколлинеарность может быть сильной, в другой слабой. 2. Выборочные …
Pic.15
Зависимость мультиколлинеарности от смысла задачи Мультиколлинеарность может быть выявлена при содержательном анализе задачи и данных
Pic.16
Истинная мультиколлинеарность при отсутствии парных зависимостей Пример. Рассмотрим три ряда данных:
Pic.17
Последствия мультиколлинеарности: диагноз и прогноз 1. Оценки коэффициентов остаются несмещенными. 2. Стандартные ошибки коэффициентов увеличиваются. 3. Вычисленные t-статистики занижены. 4. …
Pic.18
Последствия мультиколлинеарности: диагноз и прогноз 5. Численная неустойчивость процедуры оценивания, вызванная ошибками машинного округления и накоплением этих ошибок. 6. Высокая коррелированность …
Pic.19
Последствия мультиколлинеарности: увеличение стандартных ошибок коэффициентов Для уравнения с объясняющими переменными X1 и X2
Pic.20
Последствия мультиколлинеарности: увеличение стандартных ошибок коэффициентов Практически отсюда следует возможность получить незначимый коэффициент или «неправильный» знак
Pic.21
Обнаружение мультиколлинеарности. Основной признак Внешним признаком наличия мультиколлинеарности служат слишком большие значения элементов матрицы Основной признак мультиколлинеарности: определитель …
Pic.22
Обнаружение мультиколлинеарности. Дополнительные признаки 1. Высокие R2 и F-статистика, но некоторые (или даже все) коэффициенты незначимы, т. е. имеют низкие t-статистики. 2. Высокие парные …
Pic.23
Фактор инфляции вариации как оценка эффекта мультиколлинеарности Если VIF > 10, то объясняющие переменные считаются мультиколлинеарными.
Pic.24
Методы устранения мультиколлинеарности 1. Изменить или увеличить выборку. 2. Исключить из модели одну или несколько переменных. 3. Преобразовать мультиколлинеарные переменные: - использовать …
Pic.25
Устранение мультиколлинеарности. Преобразование переменных Пусть эмпирическое уравнение регрессии имеет вид: где X1, X2 коррелированные переменные В моделях: мультиколлинеарность отсутствует.
Pic.26
Если вам понравился сайт и размещенные на нем материалы, пожалуйста, не забывайте поделиться этой страничкой в социальных сетях и с друзьями! Спасибо!
