Мультиколлинеарлық
Мультиколлинеарлық дегеніміз не?
Мультиколлинеарлық – бұл бірнеше регрессиялық модельдегі екі немесе одан да көп тәуелсіз айнымалылар арасында жоғары өзара байланыстардың пайда болуы. Зерттеуші немесе талдаушы статистикалық модельдегі тәуелді айнымалыны болжау немесе түсіну үшін әрбір тәуелсіз айнымалыны қаншалықты тиімді қолдануға болатындығын анықтауға тырысқан кезде мультиколлинеарлық бұрмаланған немесе жалған нәтижелерге әкелуі мүмкін.
Жалпы, мультиколлинеарлық модельдегі тәуелсіз айнымалылардың әсері тұрғысынан аз сенімділік туғызатын сенімділік аралықтарын кеңейтуі мүмкін. Яғни, мультиколлинеарлы модельден алынған статистикалық қорытындылар сенімді болмауы мүмкін.
Негізгі өнімдер
- Мультиколлинеарлық – бұл модельдегі тәуелсіз айнымалылар өзара байланысты болатын статистикалық ұғым.
- Тәуелсіз айнымалылар арасындағы мультиколлинеарлық аз сенімді статистикалық қорытындыларға әкеледі.
- Екі немесе одан да көп айнымалыны қолданатын бірнеше регрессиялық модельдер құру кезінде өзара байланысты емес немесе қайталанбайтын тәуелсіз айнымалыларды қолданған дұрыс.
Мультиколлинеарлық туралы түсінік
Статистикалық талдаушылар екі немесе одан да көп тәуелсіз айнымалылар мәндеріне негізделген көрсетілген тәуелді айнымалының мәнін болжау үшін бірнеше регрессиялық модельдерді қолданады. Тәуелді айнымалы кейде нәтиже, мақсат немесе критерий айнымалысы деп аталады.
Мысал ретінде баға мен кірістің коэффициенттері ( баға / қатынастар коэффициенттері), нарықтық капиталдандыру, өткен жұмыс нәтижелері немесе басқа деректер негізінде акциялардың кірістілігін болжауға тырысатын көп айнымалы регрессиялық модельді келтіруге болады. Акцияның кірістілігі тәуелді айнымалы, ал қаржылық мәліметтердің әр түрлі бөліктері тәуелсіз айнымалылар болып табылады.
Көптік регрессия моделіндегі мультиколлинеарлық коллинеарлы тәуелсіз айнымалылардың белгілі бір мәнде байланысты екенін көрсетеді, дегенмен қатынас кездейсоқ болуы мүмкін немесе болмауы мүмкін. Мысалы, өткен нәтижелер нарықтық капиталдандырумен байланысты болуы мүмкін, өйткені бұрын жақсы жұмыс істеген акциялар нарықтық мәндерге ие болады. Басқаша айтқанда, мультиколлинеарлық екі тәуелсіз айнымалылар өте өзара байланыста болған кезде болуы мүмкін. Бұл, егер тәуелсіз айнымалы мәліметтер жиынтығындағы басқа айнымалылардан есептелген болса немесе екі тәуелсіз айнымалылар ұқсас және қайталанатын нәтижелер берсе, орын алуы мүмкін.
Мультиколлинеарлық проблемасын жоюдың кең таралған тәсілдерінің бірі – алдымен коллинеарлы тәуелсіз айнымалыларды анықтау, содан кейін біреуінен басқаларын алып тастау. Екі немесе одан да көп коллинеарлық айнымалыларды бір айнымалыға біріктіру арқылы мультиколлинеарлықты жоюға болады. Содан кейін көрсетілген тәуелді айнымалы мен тек бір тәуелсіз айнымалының арасындағы байланысты зерттеу үшін статистикалық талдау жүргізуге болады.
Мультиколлинеарлықтың мысалы
Инвестициялау үшін мультиколлинеарлық – бағалы қағаздың болашақтағы ықтимал бағалық қозғалысын, мысалы, акцияны немесе тауарлық болашақты болжау үшін техникалық талдау жүргізу кезінде жиі кездесетін мәселе.
Нарық талдаушылары техникалық сипаттамаларды қолданудан аулақ болғысы келеді, өйткені олар ұқсас немесе байланысты мәліметтерге негізделген; олар баға қозғалысының тәуелді айнымалысына қатысты ұқсас болжамдарды анықтауға бейім. Оның орнына нарықты әр түрлі тәуелсіз аналитикалық тұрғыдан талдауға кепілдік беру үшін нарықты талдау айтарлықтай әртүрлі тәуелсіз айнымалыларға негізделуі керек.
Маңызды
Потенциалды мультиколлинеарлық мәселенің мысалы ретінде техникалық талдауды бірнеше ұқсас индикаторларды қолдану арқылы ғана келтіруге болады.
Bollinger Bands индикаторын жасаушы, белгілі техникалық талдаушы Джон Боллинджер «техникалық анализді сәтті қолданудың түпкілікті ережесі индикаторлар арасында мультиколлинеарлықты болдырмауды қажет етеді» деп атап өтті. Мәселені шешу үшін аналитиктер бір типтегі екі немесе одан да көп техникалық көрсеткіштерді қолданудан аулақ болады. Керісінше, олар импульстің индикаторы сияқты индикаторлардың бір түрін қолдана отырып, бағалы қағаздарды талдайды, содан кейін тренд индикаторы сияқты индикаторлардың басқа түрін пайдаланып бөлек талдау жасайды.
Мысалы, стохастика, салыстырмалы беріктік индексі (RSI) және Уильямс% R – барлығы бірдей кірістерге тәуелді импульстің индикаторлары және ұқсас нәтижелерге әкелуі мүмкін. Бұл жағдайда индикаторлардың біреуінен басқасының бәрін алып тастаған дұрыс немесе олардың біреуін тек бір индикаторға біріктірудің жолын іздеген дұрыс, сонымен қатар импульс индикаторымен онша байланысты емес тренд индикаторын қосқан жөн.