Što je multikolinearnost?
Multikolinearnost je statistički fenomen u kojem dvije ili više varijabli u regresijskom modelu ovise o ostalim varijablama na način da se jedna može linearno predvidjeti od druge s visokim stupnjem točnosti. Općenito se koristi u promatračkim studijama, a manje popularan u eksperimentalnim studijama.
Vrste multikolinearnosti
Postoje četiri vrste multikolinearnosti
- # 1 - Savršena multikolinearnost - Postoji kada neovisne varijable u jednadžbi predviđaju savršenu linearnu vezu.
- # 2 - Visoka multikolinearnost - odnosi se na linearni odnos između dvije ili više neovisnih varijabli koje nisu u međusobnoj korelaciji.
- # 3 - Strukturna multikolinearnost - To uzrokuje sam istraživač umetanjem različitih neovisnih varijabli u jednadžbu.
- # 4 - Multicollineaarnost zasnovana na podacima - Uzrokovana je eksperimentima koje je istraživač loše dizajnirao.
Uzroci multikolinearnosti
Neovisne varijable, promjena parametara varijabli čini da mala promjena varijabli ima značajan utjecaj na rezultat i prikupljanje podataka odnosi se na uzorak odabrane populacije koja se uzima.
Primjeri multikolinearnosti
Primjer # 1
Pretpostavimo da je ABC Ltd KPO angažirana od strane farmaceutske tvrtke radi pružanja usluga istraživanja i statističke analize bolesti u Indiji. Za ovo je ABC doo odabrao dob, težinu, zanimanje, visinu i zdravlje kao primarne parametre.
- U gornjem primjeru postoji situacija s više kolinearnosti jer su neovisne varijable odabrane za istraživanje izravno povezane s rezultatima. stoga bi bilo uputno da istraživač prvo prilagodi varijable prije započinjanja bilo kojeg projekta, jer će na rezultate ovdje izravno utjecati zbog odabranih varijabli ovdje.
Primjer # 2
Pretpostavimo da je tvrtku Tata Motors imenovalo ABC Ltd da bi se shvatilo da će prodaja tata motora biti velika u kojoj će kategoriji na tržištu biti velika.
- U gornjem primjeru prvo će se finalizirati neovisne varijable na temelju kojih treba dovršiti istraživanje. to mogu biti mjesečni prihodi, dob. marka, niža klasa. Znači samo da će biti odabrani podaci koji će stati na sve ove kartice kako bi se shvatilo koliko ljudi može kupiti ovaj automobil (tata nano), a da niti jedan drugi automobil ne pogleda.
Primjer # 3
Pretpostavimo da je ABC Ltd angažiran da podnese izvješće kako bi znao koliko je ljudi mlađih od 50 godina sklono srčanim udarima. za to su parametri dob, spol, povijest bolesti
- U gornjem primjeru postoji multikolinearnost koja je nastala jer je neovisnu varijablu "dob" potrebno prilagoditi do dobi ispod 50 godina za pozivanje javnih prijava kako bi se osobe starije od 50 godina automatski filtrirale.
Prednosti
Ispod su neke od prednosti
- Linearni odnos između neovisnih varijabli u jednadžbi.
- Vrlo korisno u statističkim modelima i istraživačkim izvještajima koje su pripremile tvrtke utemeljene na istraživanju.
- Izravni utjecaj na željeni rezultat.
Mane
Ispod su neki od nedostataka
- U nekim bi se situacijama ovaj problem riješio prikupljanjem više podataka o varijablama.
- Pogrešna upotreba dummy varijabli, tj. Istraživač može zaboraviti koristiti dummy varijable kad god je to potrebno.
- Umetanje 2 iste ili identične varijable u jednadžbu poput kg i lbs u ponderima.
- Umetanje varijable u jednadžbu koja je kombinacija 2.
- Komplicirano za izvođenje izračuna jer je to statistička tehnika i zahtijeva izvršenje statističkih kalkulatora.
Zaključak
Multikolinearnost je jedan od najpoželjnijih statističkih alata koji se često koristi u regresijskoj analizi i statističkoj analizi velikih baza podataka i željenog rezultata. Sve velike tvrtke imaju zaseban statistički odjel u svojoj tvrtki koji provodi statističku regresijsku analizu proizvoda ili ljudi kako bi menadžmentu pružio strateški pogled na tržište i također im pomogao u izradi njihovih dugoročnih strategija vodeći računa o tome. Grafički prikaz analize daje čitatelju jasnu sliku izravnog odnosa, točnosti i izvedbe.
- Ako je cilj istraživača razumjeti neovisne varijable u jednadžbi, tada će mu multikolinearnost predstavljati veliki problem.
- Istraživač mora napraviti potrebne promjene u varijablama u samoj fazi 0, inače može imati ogroman utjecaj na rezultate.
- Multikolinearnost se može postići ispitivanjem matrice korelacije.
- Sanacijske mjere igraju značajnu ulogu u rješavanju problema multikolinearnosti.