Методы устранения мультиколлинеарности. Для устранения мультиколлинеарности разработаны разнообразные методы

Для устранения мультиколлинеарности разработаны разнообразные методы. Однако, прежде чем сформулировать некоторые из них, отметим, что в ряде случаев мультиколлинеарность не является настолько существенным недостатком исследуемой модели, чтобы прилагать значительные усилия по ее выявлению и устранению. В основном все зависит от целей исследования.

Если основная задача модели – прогноз будущих значений зависимой переменной, то при достаточно большом коэффициенте детерминации R ² (обычно не менее 0,9) наличие мультиколлинеарности мало сказывается на прогнозных качествах модели.

Если же целью исследования является определение степени влияния каждой из объясняющих переменных на результирующую переменную, то наличие мультиколлинеарности, приводящее к увеличению стандартных ошибок, скорее всего, исказит истинные зависимости между переменными. В этой ситуации мультиколлинеарность является серьезной проблемой.

Отметим также, что не существует единого (универсального) метода устранения мультиколлинеарности, который был бы пригоден в любом случае. Это связано с тем, что причины мультиколлинеарности неоднозначны и во многом зависят от выборки.

а) Исключение переменной (ых) из модели

Простейшим методом устранения мультиколлинеарности является исключение из модели одной или нескольких коррелированных переменных.

Однако необходима определенная осмотрительность при использовании данного метода, так как в этой ситуации возможны ошибки спецификации. Например, при исследовании спроса на некоторый товар (или услугу) в качестве объясняющих переменных можно использовать цену данного товара (услуги) и цены заменителей, которые зачастую коррелируют между собой. Исключив из модели цены заменителей, мы, скорее всего, допустим ошибку спецификации. Вследствие этого можно получить смещенные оценки и сделать ошибочные выводы. Поэтому в прикладных эконометрических моделях желательно не исключать объясняющие переменные до тех пор, пока мультиколлинеарность не станет серьезной проблемой.

б) Получение дополнительных данных или новой выборки