Varyans Enflasyon Faktörü (VIF) Tanımı

Varyans Enflasyon Faktörü (VIF) Nedir?

Varyans enflasyon faktörü (VIF), miktarın bir ölçüsüdür. çoklu bağlantı bir dizi çoklu gerileme değişkenler. Matematiksel olarak, bir regresyon modeli değişkeni için VIF, genel modelin oranına eşittir. varyans sadece o tek bağımsız değişkeni içeren bir modelin varyansına. Bu oran her bağımsız değişken için hesaplanır. Yüksek bir VIF, ilişkili bağımsız değişkenin modeldeki diğer değişkenlerle yüksek oranda aynı çizgide olduğunu gösterir.

Varyans Enflasyon Faktörünü (VIF) Anlamak

Varyans şişirme faktörü, çoklu bağlantı derecesini belirlemeye yardımcı olan bir araçtır. Bir kişi belirli bir sonuç üzerinde birden fazla değişkenin etkisini test etmek istediğinde çoklu regresyon kullanılır. Bağımlı değişken, bağımsız değişkenler tarafından üzerinde hareket edilen sonuçtur - modele girdiler. Çoklu doğrusallık, bir veya daha fazla bağımsız değişken veya girdi arasında doğrusal bir ilişki veya korelasyon olduğunda ortaya çıkar.

Çoklu doğrusallık, çoklu regresyonda bir problem yaratır çünkü girdilerin hepsi birbirini etkiler. Bu nedenle, aslında bağımsız değildirler ve bağımsız değişkenlerin kombinasyonunun bağımlı değişkeni veya regresyon modelindeki sonucu ne kadar etkilediğini test etmek zordur. İstatistiksel olarak, çoklu doğrusallığın yüksek olduğu bir çoklu regresyon modeli, onu daha fazla hale getirecektir. bağımsız değişkenlerin her biri ile bağımlı değişken arasındaki ilişkiyi tahmin etmek zor değişken. Kullanılan verilerdeki veya model denkleminin yapısındaki küçük değişiklikler, bağımsız değişkenler üzerinde tahmin edilen katsayılarda büyük ve düzensiz değişiklikler üretebilir.

Modelin doğru bir şekilde belirlendiğinden ve doğru çalıştığından emin olmak için çoklu bağlantı için çalıştırılabilecek testler vardır. Varyans enflasyon faktörü böyle bir ölçüm aracıdır. Varyans şişirme faktörlerinin kullanılması, modelin ayarlanabilmesi için herhangi bir çoklu bağlantı sorununun ciddiyetini belirlemeye yardımcı olur. Varyans şişirme faktörü, bağımsız bir değişkenin davranışının (varyansının) diğer bağımsız değişkenlerle etkileşimi/korelasyonu tarafından ne kadar etkilendiğini veya şişirildiğini ölçer. Varyans enflasyon faktörleri, bir değişkenin duruma ne kadar katkıda bulunduğunun hızlı bir şekilde ölçülmesini sağlar. standart hata regresyonda. Önemli çoklu doğrusallık sorunları mevcut olduğunda, varyans enflasyon faktörü, ilgili değişkenler için çok büyük olacaktır. Bu değişkenler tanımlandıktan sonra, çoklu doğrusallık sorununu çözerek eşdoğrusal değişkenleri ortadan kaldırmak veya birleştirmek için çeşitli yaklaşımlar kullanılabilir.

Özel Hususlar

çoklu doğrusallık

Çoklu bağlantı bir modelin genel tahmin gücünü azaltmasa da, istatistiksel olarak anlamlı olmayan regresyon katsayılarının tahminlerini üretebilir. Bir anlamda modelde bir tür çift sayma olarak düşünülebilir. İki veya daha fazla bağımsız değişken yakından ilişkili olduğunda veya neredeyse aynı şeyi ölçtüğünde, ölçtükleri temel etki, değişkenler arasında iki kez (veya daha fazla) hesaba katılır. Hangi değişkenin bağımsız değişkeni gerçekten etkilediğini söylemek zor veya imkansız hale geliyor. Bu bir sorun çünkü birçok kişinin amacı ekonometrik modeller, bağımsız değişkenler ve bağımlı değişken arasındaki tam olarak bu tür istatistiksel ilişkiyi test etmektir.

Örneğin, bir ekonomistin istatistiksel olarak anlamlı bir değer olup olmadığını test etmek istediğini varsayalım. işsizlik oranı (bağımsız değişken) ile enflasyon oranı (bağımlı değişken). ilgili ek bağımsız değişkenler dahil işsizlik oranı, böyle yeni bir başlangıç işsizlik iddiaları, modele çoklu doğrusallık getirmesi muhtemeldir. Genel model, güçlü, istatistiksel olarak yeterli açıklayıcı güç gösterebilir, ancak etkinin çoğunlukla işsizlik oranından mı yoksa yeni ilk işsizlik başvurularından mı kaynaklandığını belirleyemeyebilir. VIF'in tespit edeceği şey budur ve muhtemelen değişkenlerden birini modelden çıkarmayı veya bazı değişkenleri bulmayı önerir. Araştırmacının ilgilendiği belirli hipoteze bağlı olarak ortak etkilerini yakalamak için onları birleştirmenin yolu test yapmak.