Последствия мультиколлинеарности

Все эти эффекты затрудняют и без того сложную задачу интерпретации коэффициентов регрессии или вообще делают невозможным ее решение без привлечения новых способов обработки и дополнительной информации. В этих условиях нельзя применять уравнение регрессии и для прогноза значений переменной у. В то же время если уравнение регрессии предполагается использовать для целей прогноза значений переменной у только в точках, близких к значениям объясняющих переменных х(1 . .., х из матрицы данных X, то оно может оказаться вполне удовлетворительным независимо от степени связи между предсказывающими переменными качество уравнения регрессии определяется значением коэффициента множественной корреляции Ry.x между переменной у и переменными X (хотя при этом может быть необходимо принять некоторые предосторожности чисто вычислительного характера). Таким образом, последствия мультиколлинеарности тем серьезнее, чем больше информации мы хотим получить из имеющейся совокупности наблюдений.  [c.254]


Обычно выделяются следующие последствия мультиколлинеарности  [c.247]

Отметим, что единого метода устранения мультиколлинеарности, годного в любом случае, не существует. Это связано с тем, что причины и последствия мультиколлинеарности неоднозначны и во многом зависят от результатов выборки.  [c.251]

Основные последствия мультиколлинеарности таковы  [c.160]

В десятой главе анализируются последствия линейной зависимости между объясняющими переменными в модели множественной линейной регрессии - мультиколлинеарности. Приводятся способы обнаружения и преодоления мультиколлинеарности.  [c.8]

Включение в модель мультиколлинеарных факторов нежелательно в силу следующих последствий  [c.95]

Смотреть страницы где упоминается термин Последствия мультиколлинеарности

: [c.247]