Multikolineariti

Apa itu Multicollinearity?

Multikolinieriti adalah fenomena statistik di mana dua atau lebih pemboleh ubah dalam model regresi bergantung pada pemboleh ubah lain sedemikian rupa sehingga dapat diramalkan secara linear dari yang lain dengan tahap ketepatan yang tinggi. Ia biasanya digunakan dalam kajian pemerhatian dan kurang popular dalam kajian eksperimen.

Jenis-jenis Multicollinearity

Terdapat empat jenis Multicollinearity

  • # 1 - Multikolinieriti Sempurna - Ia wujud apabila pemboleh ubah bebas dalam persamaan meramalkan hubungan linear yang sempurna.
  • # 2 - Multikolinieriti Tinggi - Ia merujuk kepada hubungan linear antara dua atau lebih pemboleh ubah bebas yang tidak saling berkaitan antara satu sama lain.
  • # 3 - Multikolineariti Struktural - Ini disebabkan oleh penyelidik sendiri dengan memasukkan pemboleh ubah bebas yang berbeza dalam persamaan.
  • # 4 - Multicollineaariti berasaskan data - Ia disebabkan oleh eksperimen yang dirancang oleh penyelidik dengan kurang baik.

Punca Multicollinearity

Pemboleh ubah Bebas, Perubahan dalam parameter Pemboleh ubah melakukan bahawa sedikit perubahan pada pemboleh ubah ada kesan yang signifikan terhadap hasil & Pengumpulan Data merujuk kepada sampel populasi Terpilih yang diambil.

Contoh Multicollinearity

Contoh # 1

Mari kita anggap bahawa ABC Ltd KPO telah disewa oleh syarikat farmaseutikal untuk menyediakan perkhidmatan penyelidikan dan analisis statistik mengenai penyakit di India. Untuk ini ABC ltd telah memilih usia, berat badan, profesi, tinggi badan, dan kesihatan sebagai parameter prima facie.

  • Dalam contoh di atas, terdapat situasi multikolineariti kerana pemboleh ubah bebas yang dipilih untuk kajian secara langsung berkorelasi dengan hasilnya. Oleh itu, adalah wajar bagi penyelidik untuk menyesuaikan pemboleh ubah terlebih dahulu sebelum memulakan sesuatu projek kerana hasilnya akan langsung terpengaruh kerana pemboleh ubah yang dipilih di sini.

Contoh # 2

Mari kita anggap bahawa ABC Ltd telah dilantik oleh Tata Motors untuk memahami jumlah penjualan motor tata akan tinggi dalam kategori mana di pasaran.

  • Dalam contoh di atas, pemboleh ubah bebas pertama akan diselesaikan berdasarkan kajian yang perlu diselesaikan. ia boleh menjadi pendapatan bulanan, umur. jenama, kelas bawah. Maksudnya hanya data yang akan dipilih yang akan masuk ke dalam semua tab ini untuk mengetahui berapa banyak orang yang dapat membeli kereta ini (tata nano) tanpa melihat kereta lain.

Contoh # 3

Mari kita anggap bahawa ABC Ltd telah diupah untuk menghantar laporan untuk mengetahui berapa banyak orang di bawah 50 tahun yang terdedah kepada serangan jantung. untuk ini, parameternya adalah umur, jantina, sejarah perubatan

  • Dalam contoh di atas, terdapat multikolineariti yang timbul kerana pembolehubah bebas "usia" perlu diubah ke usia di bawah 50 untuk mengundang aplikasi dari orang ramai sehingga orang yang berumur lebih dari 50 tahun secara automatik disaring.

Kelebihan

Berikut adalah beberapa Kelebihan

  • Hubungan Linear antara Pemboleh ubah Bebas dalam persamaan.
  • Sangat berguna dalam model statistik dan laporan penyelidikan yang disediakan oleh firma berasaskan penyelidikan.
  • Kesan langsung pada hasil yang diinginkan.

Kekurangan

Berikut adalah beberapa Kekurangan

  • Dalam beberapa situasi, masalah ini akan diselesaikan dengan mengumpulkan lebih banyak data mengenai pemboleh ubah.
  • Penggunaan pemboleh ubah dummy yang salah iaitu pengkaji mungkin lupa untuk menggunakan pemboleh ubah dummy apabila diperlukan.
  • Memasukkan 2 pemboleh ubah yang sama atau serupa dalam persamaan seperti berat dan lbs dalam berat.
  • Memasukkan pemboleh ubah dalam persamaan yang merupakan gabungan 2.
  • Rumit untuk melakukan pengiraan kerana ini adalah teknik statistik dan memerlukan kalkulator statistik untuk melakukan pelaksanaan.

Kesimpulannya

Multicollinearity adalah salah satu alat statistik yang paling disukai yang sering digunakan dalam analisis regresi dan analisis statistik untuk pangkalan data yang besar dan output yang diinginkan. Semua syarikat utama mempunyai jabatan statistik yang berasingan di syarikat mereka untuk melakukan analisis regresi statistik mengenai produk atau orang untuk memberikan pandangan strategik mengenai pasaran kepada pihak pengurusan dan juga membantu mereka merancang strategi jangka panjang mereka dengan tetap memperhatikan ini. Pembentangan grafik dari analisis memberikan gambaran yang jelas kepada pembaca mengenai hubungan, ketepatan, dan prestasi langsung.

  • Sekiranya tujuan penyelidik adalah untuk memahami pemboleh ubah bebas dalam persamaan maka multikolinieriti akan menjadi masalah besar baginya.
  • Pengkaji perlu melakukan perubahan yang diperlukan dalam pemboleh ubah pada tahap 0 itu sendiri atau jika tidak, ia mungkin memberi kesan besar kepada hasilnya.
  • Multikolineariti boleh dilakukan dengan memeriksa matriks korelasi.
  • Langkah-langkah pemulihan memainkan peranan penting dalam menyelesaikan masalah multikolinieriti.