3.11. Понятие о мультиколлинеарности

Мультиколлинеарность – «заметная» или «сильная» коррелированность двух или нескольких факторных признаков в уравнении регрессии, т.е. это понятие относится к многомерной регрессии. В этом случае трудно разграничить влияние на результативный признак отдельных факторных признаков.

Последствия мультиколлинеарности факторных признаков:

• оценки параметров регрессии ненадежны, имеют большие стандартные ошибки и значительно меняются с изменением объема выборки, что делает модель непригодной для анализа и прогнозирования;

• затрудняется интерпретация параметров многомерной регрессии;

• параметры многомерной линейной регрессии теряют экономический смысл.

Уровень мультиколлинеарности между двумя факторными признаками характеризуется величиной выборочного коэффициента парной корреляции. Чем ближе по абсолютной величине значение коэффициента корреляции к единице, тем сильнее мультиколлинеарность и, следовательно, менее надежными будут параметры регрессии при этих признаках.

Поэтому при составлении уравнения многомерной регрессии необходимо по корреляционной матрице просмотреть значения коэффициентов парной корреляции между факторными признаками и не включать в модель регрессии один из двух линейно зависимых признака.