Последствия мультиколлинеарности

Обычно выделяются следующие последствия мультиколли­неарности:

1. Большие дисперсии (стандартные ошибки) оценок. Это затрудняет нахождение истинных значений определяемых величин и расширяет интервальные оценки, ухудшая их точность.

2. Уменьшаются -статистики коэффициентов, что может привести к неоправданному выводу о существенности влияния соответствующей объясняющей переменной на зависимую пе­ременную.

3. Оценки коэффициентов по МНК и их стандартные ошиб­ки становятся очень чувствительными к малейшим изменени­ям данных, т.е. они становятся неустойчивыми.

4. Затрудняется определение вклада каждой из объясняю­щих переменных в объясняемую уравнением регрессии диспер­сию зависимой переменной.

5. Возможно получение неверного знака у коэффициента регрессии.

Поэтому обязательным условием при построении регрессионной модели является анализ факторов на мультиколлинеарность и её устранение.