![]() КАТЕГОРИИ:
АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
|
Методы обнаружения мультиколлинеарностиПризнаки наличия мультиколлинеарности: 1) коэффициент детерминации R2 достаточно высок, но все или некоторые коэффициенты уравнения регрессии статистически не значимы (низкие t-статистики); 2) высокие парные коэффициенты корреляции. Для проверки этого признака формируется определитель матрицы парных коэффициентов между объясняющими переменными R =
где Матрица R – симметричная, причем на главной диагонали стоят единицы, т.е. Таким образом, чем ближе к нулю det R, тем сильнее мультиколлинеарность. Вывод о наличии мультиколлинеарности делается по результатам проверки нулевой гипотезы Н0 : det R = 1, при альтернативной гипотезе Н1 : det R = 0. Статистическая проверка гипотез: Н0 : det R = 1; Н1 : det R = 0 осуществляется с помощью Величина
сравнивается с критическим значением Если
3) высокие частные коэффициенты корреляции. Частные коэффициенты корреляции – это коэффициенты корреляции между двумя факторами, «очищенные» от влияния других факторов. Например для трех факторов Х1, Х2, Х3 частный коэффициент корреляции для Х1, Х2 будет
где
Схема вычисления элементов матрицы частных коэффициентов корреляции: а) обращение матрицы парных коэффициентов корреляции (4.21) R-1 = C = б) вычисление частных коэффициентов корреляции
Частные коэффициенты корреляции могут быть использованы для определения «чистого» влияния Хj на Y и ранжирования таким образом зависимости Хj на результат. Для этого составляется расширенная матрица частных коэффициентов:
Частные коэффициенты корреляции
|