Business

Die 2 Arten der Multikollinearität

Die 2 Arten der Multikollinearität - Dummies

M ulticollinearity entstehen, wenn in einer Regression eine lineare Beziehung zwischen zwei oder mehr unabhängigen Variablen besteht. Modell. In der Praxis trifft man selten auf perfekte Multikollinearität, aber eine hohe Multikollinearität ist durchaus üblich und kann für Ihre Regressionsanalyse erhebliche Probleme verursachen.

Zwei Arten von Multikollinearität existieren:

  • Die perfekte Multikollinearität tritt auf, wenn zwei oder mehr unabhängige Variablen in einem Regressionsmodell eine lineare Beziehung deterministisch (perfekt vorhersagbar oder keine Zufälligkeit enthaltend) aufweisen. Wenn perfekt kollineare Variablen als unabhängige Variablen enthalten sind, können Sie die OLS-Technik nicht verwenden, um den Wert der Parameter zu schätzen. Die perfekte Multikollinearität verletzt daher eine der klassischen Annahmen des linearen Regressionsmodells (CLRM).

  • Hohe Multikollinearität resultiert aus einer linearen Beziehung zwischen Ihren unabhängigen Variablen mit einem hohen Korrelationsgrad, ist aber nicht vollständig deterministisch (dh sie haben keine perfekte Korrelation). Es ist viel häufiger als sein perfektes Gegenstück und kann ebenso problematisch sein, wenn es um die Schätzung eines ökonometrischen Modells geht.

In der Praxis ist eine perfekte Multikollinearität ungewöhnlich und kann mit sorgfältiger Beachtung der unabhängigen Variablen des Modells vermieden werden. Eine hohe Multikollinearität ist jedoch häufig und kann schwerwiegende Schätzprobleme verursachen. Aus diesem Grund beziehen sich Ökonometriker, wenn sie auf ein Multikollinearitätsproblem hinweisen, typischerweise auf Multicollinearität hoch und nicht auf Perfekt Multikollinearität.