मल्टीकोलिनियरिटी एक समस्या है क्योंकि यह एक स्वतंत्र चर के सांख्यिकीय महत्व को कम करता है। अन्य चीजें समान होने पर, प्रतिगमन गुणांक की मानक त्रुटि जितनी बड़ी होगी, इस गुणांक के सांख्यिकीय रूप से महत्वपूर्ण होने की संभावना उतनी ही कम होगी।
आप कैसे जानते हैं कि बहुसंकेतन एक समस्या है?
बहुसंरेखण को मापने का एक तरीका है विचरण मुद्रास्फीति कारक (VIF), जो यह आकलन करता है कि यदि आपके भविष्यवक्ताओं को सहसंबद्ध किया जाता है तो अनुमानित प्रतिगमन गुणांक का विचरण कितना बढ़ जाता है। … 5 और 10 के बीच एक वीआईएफ उच्च सहसंबंध को इंगित करता है जो समस्याग्रस्त हो सकता है।
क्या भविष्यवाणी के लिए समरेखण एक समस्या है?
भविष्य कहनेवाला शक्ति के लिए मल्टीकोलिनियरिटी अभी भी एक समस्या है। आपका मॉडल ओवरफिट होगा और आउट-ऑफ-सैंपल डेटा के सामान्यीकरण की संभावना कम होगी। सौभाग्य से, आपका R2 अप्रभावित रहेगा और आपके गुणांक अभी भी निष्पक्ष रहेंगे।
समग्रता प्रतिगमन में एक समस्या क्यों है?
मल्टीकोलिनियरिटी अनुमानित गुणांकों की शुद्धता को कम करता है, जो आपके प्रतिगमन मॉडल की सांख्यिकीय शक्ति को कमजोर करता है। आप सांख्यिकीय रूप से महत्वपूर्ण स्वतंत्र चरों की पहचान करने के लिए p-मानों पर भरोसा करने में सक्षम नहीं हो सकते हैं।
आपको संरेखता को कब नज़रअंदाज करना चाहिए?
यह उनके गुणांकों की मानक त्रुटियों को बढ़ाता है, और यह उन गुणांकों को कई तरह से अस्थिर बना सकता है। लेकिन जब तक संरेखचर केवल नियंत्रण चर के रूप में उपयोग किए जाते हैं, और वे आपकी रुचि के चर के साथ मेल नहीं खाते हैं, कोई समस्या नहीं है।
