Multikolinearita

Čo je multikolinearita?

Porušenie jedného z predpokladov pre náhodnú zložku a vstupných premenných ekonometrického modelu – vzájomná lineárna nezávislosť vysvetľujúcich premenných.
Možné príčiny multikolinearity:

  • Zlá špecifikácia premenných,
  • Malý rozsah výberového súboru.

Spôsoby zisťovania multikolinearity:

  • Farrar – Glauber test,
  • Variančné inflačné faktory,
  • Korelačná matica,
  • Vlastné čísla korelačnej matice.

Vybrané spôsoby odstránenia multikolinearity:

  • vynechanie premenných, ktoré ju spôsobujú, resp. ich nahradenie inými,
  • metóda hlavných komponentov,
  • transformácia premenných,
  • hrebeňová regresia,
  • využitie apriórnych informácií o hodnotách parametrov.

Príklad:

Vzorový príklad s metódami na testovanie prítomnosti multikolinearity a jej odstránenie sa nachádza v tomto scripte.

Máme zadaný model:
yt = b0 + b1*xt1 + b2*xt2 + b3*xt3 + ut

Vypočítajte korelačnú maticu R cez normovanie premenných. Overte správnosť alebo nesprávnosť predpokladu o vysokom stupni multikolinearity. V prípade potvrdenia vysokého stupňa multikolinearity sa ju pokúste odstrániť vhodnou metódou.

Riešenie:

Najprv je potrebné načítať údaje z príkladu, v našom prípade Yt, Xt1, Xt2, Xt3.


1. Načítanie dát Ukázať

2. Vytvoríme si korelačnú maticu pomocou funkcie cor() Ukázať

3. Teraz otestujeme významnosť stupňa multikolinearity pomocou Farrar – Glauber testu. Ukázať

Odstránenie multikolinearity

V prípade prítomnej multikolinearity ju môžeme odstrániť pomocou Metódy hlavných komponentov (Principal components analysis – PCA) – funkcia princomp() alebo cez vlastné vektory.


MHK pomocou funkcie princomp() Ukázať

MHK cez vlastné vektory Ukázať


Zdroje:
Multikolinearita a jej diagnostika [4.6.2015]
Marček, D., Marček, M., Pančíková, L.: Ekonometria a soft computing. Žilina: EDIS, 2008 ISBN 978-80-8070-746-0

Comments are closed.