ვარიაციის ინფლაციის ფაქტორი (VIF) განმარტება

რა არის ვარიაციის ინფლაციის ფაქტორი (VIF)?

ვარიაციის ინფლაციის ფაქტორი (VIF) არის ოდენობის ზომა მულტიკოლინარულობა სიმრავლის კომპლექტში რეგრესი ცვლადები. მათემატიკურად, VIF რეგრესიული მოდელის ცვლადისთვის უდრის საერთო მოდელის თანაფარდობას განსხვავება მოდელის ვარიაციამდე, რომელიც მოიცავს მხოლოდ იმ დამოუკიდებელ ცვლადს. ეს თანაფარდობა გამოითვლება თითოეული დამოუკიდებელი ცვლადისთვის. მაღალი VIF მიუთითებს იმაზე, რომ ასოცირებული დამოუკიდებელი ცვლადი მეტად კოლინარულია მოდელის სხვა ცვლადებთან.

ვარიაციის ინფლაციის ფაქტორის გაგება (VIF)

ვარიაციის ინფლაციის ფაქტორი არის ინსტრუმენტი, რომელიც დაეხმარება მულტიკოლინეარულობის ხარისხის განსაზღვრას. მრავალჯერადი რეგრესია გამოიყენება მაშინ, როდესაც ადამიანს სურს შეამოწმოს მრავალი ცვლადის გავლენა კონკრეტულ შედეგზე. დამოკიდებული ცვლადი არის შედეგი, რომელზედაც მოქმედებს დამოუკიდებელი ცვლადები - მოდელის შეყვანა. მულტიკოლინარულობა არსებობს მაშინ, როდესაც არსებობს წრფივი ურთიერთობა, ან კორელაცია, ერთ ან მეტ დამოუკიდებელ ცვლადს ან მონაცემს შორის.

მულტიკოლინარულობა ქმნის პრობლემას მრავალჯერადი რეგრესიის დროს, რადგან შეტანილი ყველა გავლენა ახდენს ერთმანეთზე. მაშასადამე, ისინი რეალურად დამოუკიდებელი არ არიან და ძნელია იმის გამოცდა, თუ რამდენად გავლენას ახდენს დამოუკიდებელი ცვლადების კომბინაცია დამოკიდებულ ცვლადზე ან შედეგზე, რეგრესიული მოდელის ფარგლებში. სტატისტიკური თვალსაზრისით, მრავალჯერადი რეგრესიის მოდელი, სადაც მაღალი მულტიკოლინარულობა არსებობს, მეტს გახდის ძნელია შეაფასოს კავშირი თითოეულ დამოუკიდებელ ცვლადსა და დამოკიდებულს შორის ცვლადი. გამოყენებულ მონაცემებში ან მოდელის განტოლების სტრუქტურაში მცირე ცვლილებებმა შეიძლება გამოიწვიოს დამოუკიდებელი ცვლადების სავარაუდო კოეფიციენტების დიდი და არასტაბილური ცვლილებები.

იმის უზრუნველსაყოფად, რომ მოდელი სწორად არის განსაზღვრული და სწორად ფუნქციონირებს, არსებობს ტესტები, რომელთა ჩატარებაც შესაძლებელია მულტიკოლინარულობაზე. ვარიაციის ინფლაციის ფაქტორი არის ერთ -ერთი ასეთი საზომი ინსტრუმენტი. ცვალებადობის ინფლაციის ფაქტორების გამოყენება ხელს უწყობს ნებისმიერი მულტიკოლინარობის საკითხის სიმძიმის იდენტიფიცირებას ისე, რომ მოდელი მორგებული იყოს. ვარიაციის ინფლაციის ფაქტორი ზომავს რამდენად გავლენას ახდენს დამოუკიდებელი ცვლადის ქცევაზე (ცვალებადობაზე) ან გაბერილია მისი ურთიერთქმედება/კორელაცია სხვა დამოუკიდებელ ცვლადებთან. ვარიაციის ინფლაციის ფაქტორები საშუალებას გვაძლევს სწრაფად გავზომოთ რამდენად უწყობს ხელს ცვლადი სტანდარტული შეცდომა რეგრესიაში. როდესაც მნიშვნელოვანი მულტიკოლინარობის საკითხები არსებობს, ცვალებადობის ინფლაციის ფაქტორი იქნება ძალიან დიდი ჩართული ცვლადებისთვის. ამ ცვლადების იდენტიფიკაციის შემდეგ, რამდენიმე მიდგომა შეიძლება გამოყენებულ იქნას კოლინეარული ცვლადების აღმოსაფხვრელად ან მულტიკოლინარობის საკითხის გადაწყვეტაში.

სპეციალური მოსაზრებები

მულტიკოლინარულობა

მიუხედავად იმისა, რომ მულტიკოლინარულობა არ ამცირებს მოდელის საერთო პროგნოზირების ძალას, მას შეუძლია წარმოადგინოს რეგრესიის კოეფიციენტების შეფასებები, რომლებიც არ არის სტატისტიკურად მნიშვნელოვანი. გარკვეული გაგებით, ეს შეიძლება ჩაითვალოს, როგორც ერთგვარი ორმაგი დათვლა მოდელში. როდესაც ორი ან მეტი დამოუკიდებელი ცვლადი მჭიდროდაა დაკავშირებული ან ზომავს თითქმის ერთსა და იმავეს, მაშინ მათ მიერ გაზომული ძირითადი ეფექტი ორჯერ (ან მეტს) აღირიცხება ცვლადებზე. ძნელი ან შეუძლებელი ხდება იმის თქმა, თუ რომელი ცვლადია რეალურად ახდენს გავლენას დამოუკიდებელ ცვლადზე. ეს არის პრობლემა, რადგან ბევრი მიზანია ეკონომეტრიული მოდელები ზუსტად ამგვარი სტატისტიკური ურთიერთობის შესამოწმებლად დამოუკიდებელ ცვლადსა და დამოკიდებულ ცვლადს შორის.

მაგალითად, დავუშვათ, რომ ეკონომისტს სურს შეამოწმოს არის თუ არა სტატისტიკურად მნიშვნელოვანი კავშირი უმუშევრობის დონესა (დამოუკიდებელი ცვლადი) და ინფლაციის მაჩვენებელს შორის (დამოკიდებული ცვლადი). მათ შორის დამატებითი დამოუკიდებელი ცვლადები, რომლებიც დაკავშირებულია უმუშევრობის დონე, ასეთი ახალი საწყისი უმუშევართა პრეტენზიები, სავარაუდოდ შემოიღებს მულტიკოლინეარულობას მოდელში. საერთო მოდელმა შეიძლება აჩვენოს ძლიერი, სტატისტიკურად საკმარისი განმარტებითი ძალა, მაგრამ ვერ დაადგინოს, ეფექტი უმეტესწილად გამოწვეულია უმუშევრობის დონით თუ უმუშევრობის ახალი პრეტენზიებით. ეს არის ის, რაც VIF გამოავლენს და ის ვარაუდობს, რომ შესაძლებელია რომელიმე ცვლადის მოდელიდან ამოღება ან მისი პოვნა მათი კონსოლიდაციის გზა მათი ერთობლივი ეფექტის დასაფიქსირებლად, იმისდა მიხედვით, თუ რა კონკრეტული ჰიპოთეზაა დაინტერესებული მკვლევარს ტესტირება