Varianssi -inflaatiokerroin (VIF)

Mikä on varianssin inflaatiokerroin (VIF)?

Varianssi -inflaatiokerroin (VIF) on sen määrän mitta monikollineaarisuus useiden joukossa regressio muuttujia. Matemaattisesti regressiomallimuuttujan VIF on yhtä suuri kuin kokonaismallin suhde vaihtelua vain sellaisen yksittäisen riippumattoman muuttujan sisältävän mallin varianssiin. Tämä suhde lasketaan kullekin riippumattomalle muuttujalle. Korkea VIF osoittaa, että siihen liittyvä riippumaton muuttuja on erittäin kolineaarinen mallin muiden muuttujien kanssa.

Varianssi -inflaatiotekijän (VIF) ymmärtäminen

Varianssi -inflaatiotekijä on työkalu, joka auttaa tunnistamaan monikollineaarisuuden asteen. Moninkertaista regressiota käytetään, kun henkilö haluaa testata useiden muuttujien vaikutusta tiettyyn tulokseen. Riippuva muuttuja on tulos, johon riippumattomat muuttujat - mallin syötteet - vaikuttavat. Monikollineaarisuus on olemassa, kun yhden tai useamman riippumattoman muuttujan tai panoksen välillä on lineaarinen suhde tai korrelaatio.

Monikollineaarisuus luo ongelman moninkertaisessa regressiossa, koska kaikki syötteet vaikuttavat toisiinsa. Siksi ne eivät itse asiassa ole riippumattomia, ja on vaikea testata, kuinka paljon riippumattomien muuttujien yhdistelmä vaikuttaa riippuvaiseen muuttujaan tai tulokseen regressiomallissa. Tilastollisesti moninkertainen regressiomalli, jossa monikollineaarisuus on korkea, tekee siitä enemmän on vaikea arvioida riippumattoman muuttujan ja riippuvaisen välistä suhdetta muuttuja. Pienet muutokset käytetyissä tiedoissa tai malliyhtälön rakenteessa voivat aiheuttaa suuria ja virheellisiä muutoksia riippumattomien muuttujien arvioituihin kertoimiin.

Jotta malli voidaan määritellä oikein ja että se toimii oikein, on olemassa testejä, jotka voidaan suorittaa monikollineaarisuuden varmistamiseksi. Varianssi -inflaatiokerroin on yksi tällainen mittaustyökalu. Varianssi -inflaatiotekijöiden käyttäminen auttaa tunnistamaan monikollineaarisuusongelmien vakavuuden, jotta mallia voidaan säätää. Varianssi -inflaatiokerroin mittaa, kuinka paljon riippumattoman muuttujan käyttäytymiseen (varianssiin) vaikuttaa tai se kasvaa sen vuorovaikutuksesta/korrelaatiosta muiden riippumattomien muuttujien kanssa. Varianssi -inflaatiotekijät mahdollistavat nopean mittauksen siitä, kuinka paljon muuttuja vaikuttaa vakio virhe regressiossa. Kun merkittäviä monikollineaarisuusongelmia esiintyy, varianssin inflaatiokerroin on erittäin suuri kyseisille muuttujille. Kun nämä muuttujat on tunnistettu, useita lähestymistapoja voidaan käyttää kollineaaristen muuttujien poistamiseen tai yhdistämiseen monikollineaarisuusongelman ratkaisemiseksi.

Erityistä huomioitavaa

Monikollineaarisuus

Vaikka monikollineaarisuus ei vähennä mallin yleistä ennustusvoimaa, se voi tuottaa arvioita regressiokertoimista, jotka eivät ole tilastollisesti merkittäviä. Tietyssä mielessä sitä voidaan ajatella eräänlaisena kaksinkertaisena laskemisena mallissa. Kun kaksi tai useampia riippumattomia muuttujia liittyvät läheisesti toisiinsa tai mittaavat lähes samaa asiaa, niiden mittaama taustavaikutus otetaan huomioon kahdesti (tai useammin) muuttujien välillä. On vaikeaa tai mahdotonta sanoa, mikä muuttuja todella vaikuttaa riippumattomaan muuttujaan. Tämä on ongelma, koska monien tavoite ekonometrinen mallit on testata täsmälleen tällainen tilastollinen suhde riippumattomien muuttujien ja riippuvan muuttujan välillä.

Oletetaan esimerkiksi, että taloustieteilijä haluaa testata, onko tilastollisesti merkitsevää työttömyysasteen (riippumaton muuttuja) ja inflaatioasteen (riippuvainen) välinen suhde muuttuja). Sisältää muita riippumattomia muuttujia, jotka liittyvät työttömyysaste, sellainen uusi alkukirjain työttömiä väitteitä, tuo todennäköisesti monikollineaarisuuden malliin. Yleismallilla saattaa olla vahva, tilastollisesti riittävä selitysvoima, mutta se ei pysty tunnistamaan, johtuuko vaikutus lähinnä työttömyysasteesta vai uusista alkuperäisistä työttömyyskorvauksista. Tämän VIF havaitsisi, ja se ehdottaa mahdollisesti yhden muuttujan poistamista mallista tai jonkin tapa vahvistaa ne yhteisen vaikutuksen kuvaamiseksi riippuen siitä, mistä hypoteesista tutkija on kiinnostunut testaus.