Шта је мултиколинеарност?
Мултиколинеарност је појава високих интеркорелација међу независним варијаблама у моделу вишеструке регресије. Мултиколинеарност може довести до искривљених или погрешних резултата када истраживач или аналитичар покушава одредити колико се свака независна варијабла може најефикасније користити за предвиђање или разумевање зависне променљиве у статистичком моделу. Опћенито, мултиколинеарност може довести до већих интервала поузданости и мање поузданих вриједности вјероватноће за независне варијабле. Односно, статистички закључци модела мултиколинеарности можда не могу бити поуздани.
Разумевање мултиколинеарности
Статистички аналитичари користе више регресијских модела за предвиђање вредности одређене зависне променљиве на основу вредности две или више независних променљивих. Зависна варијабла се понекад назива исходна, циљна или критеријумска варијабла. Пример је мултиваријантни регресијски модел који покушава да предвиди приносе акција на основу ставки попут односа цене и зараде, тржишне капитализације, прошлих перформанси или других података. Принос акција је зависна варијабла, а различити битови финансијских података су независне променљиве.
Кључне Такеаваис
- Мултиколинеарност је статистички концепт у којем су независне променљиве у моделу корелиране. Мултиколинеарност међу независним променљивим ће резултирати мање поузданим статистичким закључивањем. Боље је користити независне променљиве које нису у корелацији или се понављају када граде више регресијских модела који користе две или више променљивих..
Мултиколинеарност у моделу вишеструке регресије указује да су колинеарне независне променљиве на неки начин повезане, мада однос може бити, али не мора бити и случајан. На пример, прошли учинак може бити повезан са тржишном капитализацијом, јер ће акције које су у прошлости добро пословале имати све веће тржишне вредности. Другим речима, мултиколинеарност може постојати када су две независне променљиве високо повезане. Такође се може догодити ако се независна варијабла израчуна из других варијабли у скупу података или ако двије независне варијабле дају сличне и понављајуће резултате.
Један од најчешћих начина елиминисања проблема мултиколинеарности је прво идентификовати колинеарне независне променљиве, а затим уклонити све осим једне. Такође је могуће елиминисати мултиколинеарност комбиновањем две или више колинеарних варијабли у једну променљиву. Затим се може провести статистичка анализа како би се проучио однос између наведене зависне варијабле и само једне независне варијабле.
Пример мултиколинеарности
За улагање је мултиколинеарност уобичајена пажња приликом обављања техничке анализе ради предвиђања вероватних будућих кретања цена хартије од вредности, попут залиха или будућности робе. Тржишни аналитичари желе да избегну коришћење техничких показатеља који су колинеарни по томе што су засновани на врло сличним или сродним подацима; они имају тенденцију да открију слична предвиђања у зависности од варијабле кретања цена. Уместо тога, анализа тржишта мора се заснивати на изразито различитим независним варијаблама како би се осигурало да они анализирају тржиште са различитих независних аналитичких становишта.
Истакнути технички аналитичар Јохн Боллингер, творац индикатора Боллингер Бандс, напомиње да „кардинално правило за успешну употребу техничке анализе захтева избегавање мултиколинеарности на основу показатеља“.
Да би решили проблем, аналитичари избегавају коришћење два или више техничких индикатора исте врсте. Уместо тога, они анализирају безбедност користећи једну врсту индикатора, као што је индикатор момента, а затим раде засебне анализе користећи другу врсту индикатора, као што је показатељ тренда.
Пример потенцијалног проблема са мултиколинеарношћу је извођење техничке анализе само коришћењем неколико сличних показатеља, попут стохастике, индекса релативне чврстоће (РСИ) и Виллиамс% Р, који су сви показатељи замаха који се ослањају на сличне инпуте и вероватно ће произвести сличне резултата. У овом случају, боље је уклонити све индикаторе осим једног или пронаћи начин да их неколико спојите у само један индикатор, истовремено додајући индикатор тренда који вероватно неће бити у корелацији са показатељем момента.
