2015-05-18
1410
Одной из серьезных проблем при построении моделей множественной линейной регрессии по МНК является мультиколлинеарность − линейная взаимосвязь двух или нескольких объясняющих переменных. Признаками мультиколлинеарности являются следующие проявления: несколько незначимых переменных в оцененной регрессии, хотя регрессии в целом значима, модуль коэффициента корреляции между объясняющими переменными по модулю близок к единице, знаки коэффициентов не соответствуют их экономическому смыслу, определитель матрицы 
близок к нулю и близко к нулю минимальное собственное число .
Способы устранения. Исключение переменной(ых) из модели. Простейшим методом устранения мультиколлинеарности является исключение из модели одной или ряда коррелированных переменных. Однако необходима определенная осмотрительность при применении данного метода. В этой ситуации возможны ошибки спецификации.
Получение дополнительных данных или новой выборки. Поскольку мультиколлинеарность напрямую зависит от выборки, то, возможно, при другой выборке мультиколлинеарности не будет либо она не будет столь серьезной. Иногда для уменьшения мультиколлинеарности достаточно увеличить объем выборки.
|
|
|
Изменение спецификации модели. В ряде случаев проблема мультиколлинеарности может быть решена изменением спецификации модели: либо изменением формы модели, либо добавлением объясняющих переменных, которые не учтены в первоначальной модели, но существенно влияющие на зависимую переменную.
Использование предварительной информации о некоторых параметрах. Иногда при построении модели множественной регрессии можновоспользоваться некоторой предварительной информацией, в частности, известными значениями некоторых коэффициентов регрессии.
