Multicollinearity เป็นปัญหาเพราะ มันทำลายความสำคัญทางสถิติของตัวแปรอิสระ อย่างอื่นเท่าเทียมกัน ยิ่งค่าคลาดเคลื่อนมาตรฐานของสัมประสิทธิ์การถดถอยยิ่งสูง โอกาสที่สัมประสิทธิ์นี้จะมีนัยสำคัญทางสถิติน้อยลงเท่านั้น
คุณจะรู้ได้อย่างไรว่าความหลากหลายคอลลิเนียร์เป็นปัญหา
วิธีหนึ่งในการวัดความสัมพันธ์แบบพหุคู่กรณีคือ ปัจจัยเงินเฟ้อความแปรปรวน (VIF) ซึ่งจะประเมินว่าค่าความแปรปรวนของค่าสัมประสิทธิ์การถดถอยโดยประมาณจะเพิ่มขึ้นเท่าใดหากตัวทำนายของคุณมีความสัมพันธ์กัน … VIF ระหว่าง 5 ถึง 10 บ่งบอกถึงความสัมพันธ์สูงที่อาจเป็นปัญหา
ความเชื่อมโยงเป็นปัญหาสำหรับการทำนายหรือไม่
Multicollinearity ยังคงเป็นปัญหาสำหรับพลังการทำนาย โมเดลของคุณจะพอดีและมีโอกาสน้อยที่จะสรุปข้อมูลที่ไม่อยู่ในตัวอย่าง โชคดีที่ R2 ของคุณจะไม่ได้รับผลกระทบและค่าสัมประสิทธิ์ของคุณจะยังคงเป็นกลาง
เหตุใดความสอดคล้องกันจึงเป็นปัญหาในการถดถอย
Multicollinearity ลดความแม่นยำของสัมประสิทธิ์โดยประมาณ ซึ่งทำให้กำลังทางสถิติของแบบจำลองการถดถอยของคุณอ่อนลง คุณอาจไม่สามารถเชื่อถือค่า p เพื่อระบุตัวแปรอิสระที่มีนัยสำคัญทางสถิติ
เมื่อใดที่คุณควรละเว้นการร่วมมือกัน
มันเพิ่มข้อผิดพลาดมาตรฐานของสัมประสิทธิ์ของมัน และมันอาจทำให้สัมประสิทธิ์เหล่านั้นไม่เสถียรในหลายวิธี แต่ตราบใดที่ collinearตัวแปรถูกใช้เป็นตัวแปรควบคุมเท่านั้น และไม่สอดคล้องกับตัวแปรที่คุณสนใจ ไม่มีปัญหา