Методы устранения мультиколлинеарности

Мультиколлинеарность - тесная корреляционная взаимосвязь между факторами, совместно воздействующими на общий результат, которая затрудняет оценивание регрессионных параметров.

При наличие мультиколлинеарности зачастую не сказывается на прогнозных качествах модели. Это утверждение будет обоснованным в том случае, что и в будущем междукоррелированными будут сохраняться те же отношения, что и ранее.

Методы устранения мультиколлинеарности: 1) Исключение переменных из модели: Устранение из модели одной или ряда коррелированных переменных. Однако необходима определенная осмотрительность при применении данного метода. В этой ситуации возможны ошибки спецификации. 2) Получение дополнительных данных или новой выборки: Поскольку мультиколлинеарность напрямую зависит от выборки, то, возможно, при другой выборке мультиколлинеарности не будет либо она будет несущественной. 3) Изменение спецификации модели: В ряде случаев проблема мультиколлинеарности может быть решена изменением спецификации модели: либо изменением формы модели, либо добавлением объясняющих переменных, которые неучтены в первоначальной модели. 4) Использование предварительной информации о некоторых параметрах: Иногда при построении модели множественной регрессии можно воспользоваться некоторой предварительной информацией, в частности, известными значениями некоторых коэффициентов регрессии. 5) Преобразование переменных: уравнение имеет вид: , в этой ситуации можно попытаться определять регрессионные зависимости относительных величин: , , в этих моделях проблема мультиколлинеарности будет отсутствовать. Возможны и другие преобразования, близкие по своей сути к вышеописанным. В эконометрике применяют следующие рекомендации, уменьшающие влияние мультиколлинеарности: а) в модели не изменяют никакую структуру, а, применяя компьютерный МНК, анализируют наличие проблемы мультиколлинеарности по визуальным методам. б) улучшают спецификацию модели, устраняя из исходной модели коллинеарные экзогенные переменные. в) увеличивают объем статистических данных. г) объединяют коллинеарные переменные и включают в модель общую экзогенную переменную.