Multicoliniaritate
Ce este multicoliniaritatea?
Multicoliniaritatea este apariția intercorelațiilor ridicate între două sau mai multe variabile independente într-un model de regresie multiplă. Multicoliniaritatea poate duce la rezultate distorsionate sau înșelătoare atunci când un cercetător sau analist încearcă să determine cât de bine fiecare variabilă independentă poate fi utilizată cel mai eficient pentru a prezice sau a înțelege variabila dependentă într-un model statistic.
În general, multicoliniaritatea poate duce la intervale de încredere mai largi care produc probabilități mai puțin fiabile în ceea ce privește efectul variabilelor independente într-un model. Adică, inferențele statistice dintr-un model cu multicoliniaritate pot să nu fie fiabile.
Chei de luat masa
- Multicoliniaritatea este un concept statistic în care variabilele independente dintr-un model sunt corelate.
- Multicoliniaritatea între variabilele independente va avea ca rezultat inferențe statistice mai puțin fiabile.
- Este mai bine să utilizați variabile independente care nu sunt corelate sau repetitive atunci când construiți modele de regresie multiple care utilizează două sau mai multe variabile.
Înțelegerea multicoliniarității
Analiștii statistici utilizează modele de regresie multiple pentru a prezice valoarea unei variabile dependente specificate pe baza valorilor a două sau mai multe variabile independente. Variabila dependentă este uneori denumită variabilă rezultat, țintă sau criteriu.
Un exemplu este un model de regresie multivariat care încearcă să anticipeze randamentele stocurilor pe baza unor elemente cum ar fi rapoartele preț-câștiguri ( rapoartele P / E), capitalizarea pieței, performanța anterioară sau alte date. Randamentul stocului este variabila dependentă, iar diferitele biți de date financiare sunt variabile independente.
Multicoliniaritatea într-un model de regresie multiplă indică faptul că variabilele coliniare independente sunt legate într-un anumit mod, deși relația poate fi sau nu întâmplătoare. De exemplu, performanța anterioară ar putea fi legată de capitalizarea pieței, deoarece acțiunile care au avut rezultate bune în trecut vor avea valori de piață în creștere. Cu alte cuvinte, multicoliniaritatea poate exista atunci când două variabile independente sunt puternic corelate. Se poate întâmpla, de asemenea, dacă o variabilă independentă este calculată din alte variabile din setul de date sau dacă două variabile independente oferă rezultate similare și repetitive.
Una dintre cele mai frecvente modalități de eliminare a problemei multicoliniarității este identificarea mai întâi a variabilelor independente coliniare și apoi eliminarea tuturor, cu excepția uneia. De asemenea, este posibilă eliminarea multicoliniarității prin combinarea a două sau mai multe variabile coliniare într-o singură variabilă. Analiza statistică poate fi apoi efectuată pentru a studia relația dintre variabila dependentă specificată și doar o singură variabilă independentă.
Exemplu de multicoliniaritate
Pentru investiții, multicoliniaritatea este o considerație obișnuită atunci când se efectuează analize tehnice pentru a prezice mișcările viitoare probabile ale prețurilor unui titlu, cum ar fi un stoc sau un viitor al mărfii.
Analiștii de piață doresc să evite utilizarea unor indicatori tehnici care sunt coliniari în sensul că se bazează pe intrări foarte similare sau conexe; tind să dezvăluie predicții similare cu privire la variabila dependentă a mișcării prețurilor. În schimb, analiza pieței trebuie să se bazeze pe variabile independente semnificativ diferite pentru a se asigura că acestea analizează piața din diferite puncte de vedere analitice independente.
Un exemplu de potențială problemă de multicoliniaritate este efectuarea analizei tehnice numai utilizând mai mulți indicatori similari.
Analistul tehnic John Bollinger, creatorul indicatorului Bollinger Bands, remarcă faptul că „o regulă cardinală pentru utilizarea cu succes a analizei tehnice necesită evitarea multicoliniarității în mijlocul indicatorilor”. Pentru a rezolva problema, analiștii evită să utilizeze doi sau mai mulți indicatori tehnici de același tip. În schimb, analizează o securitate utilizând un tip de indicator, cum ar fi un indicator de impuls, și apoi fac analize separate folosind un alt tip de indicator, cum ar fi un indicator de tendință.
De exemplu, stochasticii, indicele de rezistență relativă (RSI) și Williams% R sunt toți indicatori de impuls care se bazează pe intrări similare și sunt susceptibile de a produce rezultate similare. În acest caz, este mai bine să eliminați toți indicatorii, cu excepția unuia, sau să găsiți o modalitate de a fuziona mai mulți dintre aceștia într-un singur indicator, adăugând în același timp un indicator de tendință care nu este probabil corelat cu indicatorul de impuls.