Шта је фактор инфлације варијанце?
Фактор инфлације варијанце фВарианце инфлација (ВИФ) је мерило количине мултиколинеарности у скупу више регресијских варијабли. Математички, ВИФ за регресијску варијаблу модела једнак је односу укупне варијансе модела према варијанци модела који укључује само ту једну независну варијаблу. Овај омјер се израчунава за сваку независну варијаблу. Високи ВИФ указује да је повезана независна варијабла високо колинеарна са осталим варијаблама у моделу.
Кључне Такеаваис
- Фактор инфлације варијанце (ВИФ) пружа меру мултиколинеарности међу независним варијаблама у моделу вишеструке регресије. Откривање мултиколинеарности је важно јер иако не смањује објашњавајућу снагу модела, смањује статистичку значајност независних променљивих. Велики ВИФ на независној варијабли указује на високо колинеарни однос према другим варијаблама које треба узети у обзир или прилагодити у структури модела и избору независних варијабли.
Разумевање фактора инфлације варијације
Вишеструка регресија користи се када особа жели да тестира ефекат више променљивих на одређени исход. Зависна варијабла је исход на који дјелују независне варијабле, које су улази у модел. Мултиколинеарност постоји када постоји линеарни однос или корелација између једне или више независних варијабли или улаза. Мултиколинеарност ствара проблем у вишеструкој регресији јер будући да сви улази утичу једни на друге, они заправо нису независни, и тешко је тестирати колико комбинација независних варијабли утиче на зависну варијаблу, односно исход, у оквиру регресијског модела. У статистичком погледу, вишеструки регресијски модел где постоји велика мултиколинеарност ће отежати процену односа између сваке независне променљиве и зависне променљиве. Мале промене у кориштеним подацима или у структури моделне једначине могу произвести велике и нередовите промене процењених коефицијената на независним варијаблама.
Да би се осигурало да је модел правилно специфициран и да правилно функционише, постоје тестови који се могу покренути за мултиколинеарност. Фактор инфлације варијанце је један од таквих мерних алата. Употреба фактора инфлације варијанце помаже у препознавању озбиљности било каквих проблема мултиколинеарности како би се модел могао прилагодити. Фактор инфлације варијанце мери колико на понашање (варијанца) независне променљиве утиче или надувава њена интеракција / корелација са другим независним варијаблама. Фактори инфлације варијанце омогућавају брзу меру колико варијабла доприноси стандардној грешци у регресији. Када постоје значајна питања мултиколинеарности, фактор инфлације варијанце биће врло велик за укључене варијабле. Након што се ове варијабле идентификују, може се користити неколико приступа за уклањање или комбиновање колинеарних варијабли, решавање проблема мултиколинеарности.
Иако мултиколинеарност не смањује укупну предиктивну моћ модела, он може произвести процене регресијских коефицијената који нису статистички значајни. У извесном смислу, ово се може замислити као врста двоструког бројања у моделу. Када су две или више независних варијабли уско повезане или мере готово исту ствар, тада се основни ефекат који они мере двапут (или више) обрачунава у варијаблама и постаје тешко или немогуће рећи која варијабла заиста утиче на независна варијабла. Ово је проблем јер је циљ многих економетријских модела да се испита управо овакав статистички однос између независних варијабли и зависне променљиве.
На пример, ако економиста жели да тестира да ли постоји статистички значајна веза између стопе незапослености (као независне променљиве) и стопе инфлације (као зависне променљиве). Укључивање додатних независних варијабли које су повезане са стопом незапослености, такве нове почетне захтеве за незапослене вероватно ће увести мултиколинеарност у модел. Целокупни модел може показати јаку, статистички довољну објашњену моћ, али не може бити у стању да идентификује да ли је последица углавном последица стопе незапослености или нових почетних захтева за незапосленост. То би открио ВИФ, а он би предложио да се нека од варијабли избаци из модела или пронађе неки начин да их консолидује како би забиљежио њихов заједнички ефекат, зависно од тога која конкретна хипотеза истраживача занима тестирање.
