Мультиколлинеарлықты анықтау

Мультиколлинеарлықты анықтаудың төмендегідей бірнеше белгілері бар:

1. - детерминация коэффициенті үлкен болғанмен t-статистиканың төмендеуі арқылы;

2. Түсіндіруші екі маңыздылығы аз айнымалының жұптық корреляциясы үлкен екенін анықтау арқылы ;

3. Дербес корреляциялық коэффициенттерді есептеп, корреляциялы түсіндіруші айнымалылардың негізгілерін қалдыру.

Ескеретініміз, көп айнымалылардың ішінен тек екі айнымалының корреляциялық коэффициенті ғана қарастырылса, оны дербес корреляция коэффициенті дейді.

Мысалы, - түсіндіруші айнымалылар болса, онда мен -нің дербес корреляциясының формуласы:

болады.

Мультиколлинеарлықты болдырмау әдістері

Мультиколлинеарлықты болдырмаудың барлық жағдайда да қолдануға бола беретін бірегей әдісі жоқ.

1. Модельден маңыздылығы аз айнымалыны алып тастау.

Бұл әдістің негізі – модельде тәуелді (түсіндірілетін) айнымалымен тығыз байланысты, басқа айнымалылармен байланысы аз болатын тәуелсіз (түсіндіретін) айнымалыны қалдыру.

2.Модельде болуға тиісті айнымалының болмауы және болуға тиіс емес айнымалының қосылуының әсерлері.

а) Айталық, орнына модель шыққанда қалай бағалануы керек десек -дің бағалауы ығыстырылған болады. Себебі -ні модельге алмасақ, екі айнымалының орнына жүреді де, -нің мәні жоғарырақ болып шығады;

в) Енді, моделілің орнына моделі алынды десек, регрессия коэффициенттерінің де, олардың дисперсияларының да бағалаулары ығыспаған болады да, бірақ эффективті болмайды.

3. Айнымалыны ауыстырудың әсері.

Айталық, белгілі тауарға сұранысты зерттеу үшін, түсіндіруші тәуелсіз айнымалыға – тауар бағасын алсақ және сол тауарды алмастыруға келетін тауардың бағасын қарастырсақ, көбіне олар корреляциялық байланыста болады. Егер алмастырылған тауар бағасын алып тастасақ, модельдің спецификасы (ерекшелігі) өзгеріп кетіп, ығыстырылған бағалаудан дұрыс қорытынды шығара алмай қалуымыз мүмкін.

4. Модельдің спецификасын өзгерту.

Мультиколлинеарлық тікелей таңдама жиынның алынуына байланысты болғандықтан, мүмкін

а) таңдама жиынды басқаша таңдау керек болар. Мысалы, көрсеткіштер санын көбейту арқылы;

в) жаңа жиын үшін модельдің формасы да (түрі) басқа болуы, яғни қалдықтың квадрат қосындысы минимальды болатындай вариантын таңдау керек болар;

с) модель формасы мен коэффициенттері туралы алдын-ала информация жинау арқылы;

д) айнымалыларды алмастыру немесе енгізу арқылы. Мысалы, жөндеуші (инструментальная) айнымалы әдісі бойынша, модельдегі корреляциялық байланыстағы факторлық айнымалыларды кездейсоқ -мен корреляциясы жоқ, бұрынғы айнымалымен корреляциялық байланыстағы айнымалыны енгізу арқылы жөндеуге болады.

Айталық, моделінде , онда . айнымалысын енгізу керек. Шынында да , болғандықтан . Яғни - -ның нақты мәніне қатесі қосқанда тең.

Сөйтіп, неғұрлым таңдама көрсеткіштері көбейген сайын қате нөлге ұмтылады да

бағалауы тұрақталынған (состоятельная), ал жалпы жағдайда ығыстырылған, сондықтан эффективті болмауы мүмкін.

Қайталау сұрақтары

1. Тәуелсіз факторлардың мультиколлинеарлығы дегеніміз не?

2. Мультиколлинеар факторлары бар модельді ЕКК әдісімен бағалау неге жеткіліксіз болады?

3. Мультиколлинеарлықтың модельді дұрыс бағалауға қандай зиянды жерлері бар?

4. мультиколлинеарлықтың бар екенін қалай анықтауға болады?

5. мультиколлинеарлықты жөндеу немесе болдырмау әдістері?

14-ЛЕКЦИЯ

Гетероскедастикалық

Гетероскедастикалық

ЕКК әдісінің шешуші шарты – кездейсоқ ауытқулардың , дисперсияларының тұрақтылығы: , .

Бұл шарттың орындалуы гомоскедастикалық деп аталады да, орындалмауы: ,

гетероскедастикалық деп аталады.

Гетероскедастикалықтың зиянды салдарлары

1. Коэффициенттерін бағалау бұрынғыша ығыстырылмаған күйінде қалады.

2. Баға эффективті болмайды жоқ;

асимптоталық та жоқ

3. Дисперсия ығыстыру арқылы алынғанмен ( – регрессорлар саны) – барлық коэффициентінің дисперсиясын бағалау ығыстырылмаған болып шығады.

Гетероскедастикалықты анықтау әдістері.