Инфляцияның ауытқу факторы (VIF)
Инфляцияның ауытқу факторы (VIF) дегеніміз не?
Дисперсиялық инфляция коэффициенті (VIF) – бұл бірнеше регрессиялық айнымалылар жиынтығындағы мультиколлинеарлық мөлшерінің өлшемі . Математикалық тұрғыдан регрессия моделінің айнымалысы үшін VIF жалпы модель дисперсиясының тек сол тәуелсіз айнымалыны қамтитын модель дисперсиясына қатынасына тең . Бұл коэффициент әрбір тәуелсіз айнымалылар үшін есептеледі. Жоғары VIF байланыстырылған тәуелсіз айнымалы модельдегі басқа айнымалылармен жоғары дәрежеде болатындығын көрсетеді.
Негізгі өнімдер
- Дисперсиялық инфляция коэффициенті (VIF) бірнеше регрессиялық модельдегі тәуелсіз айнымалылар арасындағы мультиколлинеарлықты өлшейді.
- Мультиколлинеарлықты анықтау маңызды, өйткені мультиколлинеарлық модельдің түсіндіргіштік қабілетін төмендетпесе де, тәуелсіз айнымалылардың статистикалық маңыздылығын төмендетеді.
- Тәуелсіз айнымалының үлкен дисперсиялық инфляция коэффициенті (VIF) модель мен тәуелсіз айнымалыларды таңдау құрылымында ескерілуі немесе түзетілуі керек басқа айнымалылармен жоғары коллинеарлық байланысты көрсетеді.
Инфляцияның ауытқу факторын (VIF) түсіну
Дисперсиялық инфляция коэффициенті – мультиколлинеарлық дәрежесін анықтауға көмектесетін құрал. Көптік регрессия адам белгілі бір нәтижеге бірнеше айнымалылардың әсерін тексергісі келген кезде қолданылады. Тәуелді айнымалылар дегеніміз тәуелсіз айнымалылар әрекет ететін нәтиже – модельге енгізулер. Бір немесе бірнеше тәуелсіз айнымалылар немесе кірістер арасында сызықтық байланыс немесе корреляция болған кезде мультиколлинеарлық болады.
Мультиколлинеарлық бірнеше рет регрессияда проблема туғызады, себебі кірістер бір-біріне әсер етеді. Сондықтан олар іс жүзінде тәуелсіз емес, және тәуелсіз айнымалылардың тіркесімі тәуелді айнымалыға немесе нәтижеге регрессия моделі шеңберінде қаншалықты әсер ететіндігін тексеру қиын. Статистикалық тұрғыдан алғанда, жоғары мультиколлинеарлық болатын бірнеше регрессиялық модель тәуелсіз айнымалылардың әрқайсысы мен тәуелді айнымалы арасындағы байланысты бағалауды қиындатады. Қолданылған мәліметтердегі немесе модельдік теңдеу құрылымындағы кішігірім өзгерістер тәуелсіз айнымалылар бойынша болжамды коэффициенттерде үлкен және тұрақсыз өзгерістер тудыруы мүмкін.
Модельдің дұрыс көрсетілуін және дұрыс жұмыс істеуін қамтамасыз ету үшін мультиколлинеарлыққа арналған тесттер бар. Инфляцияның ауытқу факторы осындай өлшеу құралдарының бірі болып табылады. Дисперсиялық инфляция факторларын қолдану кез-келген мультиколлинеарлық мәселелердің ауырлығын анықтауға көмектеседі, осылайша модельді түзетуге болады. Инфляцияның ауытқу факторы тәуелсіз айнымалының мінез-құлқына (дисперсиясына) оның басқа тәуелсіз айнымалылармен өзара байланысы / корреляциясы қаншалықты әсер ететінін немесе көбейтетіндігін өлшейді. Инфляцияның ауытқу факторлары айнымалының регрессияның стандартты қателігіне қаншалықты ықпал ететіндігін жылдам өлшеуге мүмкіндік береді. Мультиколлинеарлықтың маңызды мәселелері болған кезде инфляция коэффициенті айнымалылар үшін үлкен болады. Осы айнымалылар анықталғаннан кейін, коллинеарлық айнымалыларды жою немесе біріктіру үшін бірнеше тәсілдерді қолдануға болады, мультиколлинеарлық мәселені шешуге болады.
Ерекше мәселелер
Мультиколлинеарлық
Мультиколлинеарлық модельдің жалпы болжау күшін төмендетпесе де, регрессия коэффициенттеріне статистикалық тұрғыдан маңызды емес баға бере алады. Белгілі бір мағынада оны модельдегі қосарлы санаудың бір түрі деп санауға болады. Егер екі немесе одан да көп тәуелсіз айнымалылар бір-бірімен тығыз байланысты болса немесе бірдей шаманы өлшейтін болса, онда олар өлшейтін негізгі әсер айнымалылар бойынша екі рет (немесе одан да көп) есепке алынады. Тәуелсіз айнымалыға қандай айнымалы шынымен әсер ететінін айту қиынға соғады немесе мүмкін болмайды. Бұл проблема, өйткені көптеген эконометрикалық модельдердің мақсаты тәуелсіз айнымалылар мен тәуелді айнымалылар арасындағы дәл осындай статистикалық байланысты тексеру болып табылады.
Мысалы, экономист жұмыссыздық деңгейі (тәуелсіз айнымалы) мен инфляция деңгейі (тәуелді айнымалы) арасында статистикалық маңызды байланыс бар-жоғын тексергісі келеді делік. Жұмыссыздық деңгейіне байланысты қосымша тәуелсіз айнымалыларды қоса алғанда, мұндай жаңа жұмыссыздық талаптары модельге мультиколлинеарлықты енгізуі мүмкін. Жалпы модель күшті, статистикалық тұрғыдан жеткілікті түсіндірме күшін көрсетуі мүмкін, бірақ оның әсері көбінесе жұмыссыздық деңгейіне немесе жаңа жұмыссыздық шағымдарына байланысты екенін анықтай алмайды. Бұл VIF-ті анықтайтын нәрсе, және ол мүмкін айнымалылардың бірін модельден алып тастауды немесе зерттеушінің тестілеуге қандай нақты гипотезаға мүдделі екендігіне байланысты олардың бірлескен әсерін сақтау үшін оларды біріктірудің бір жолын табуды ұсынады.