다중 공선 성 문제는 실제로 대부분의 계량 경제학 교과서에서 잘 연구되고 있습니다. 또한 위키 백과 에는 실제로 대부분의 주요 문제를 요약 한 좋은 기사가 있습니다.
실제로 다중 공선 성 문제는 매개 변수 불안정성에 대한 시각적 징후가 발생하는 경우 (대부분 의 비 (가난) 반전성에 의해 암시 됨) 다중 공선 성 문제를 염두에두기 시작합니다.엑스티엑스 행렬 .
- 데이터의 더 작은 서브 샘플에 대한 롤링 회귀 또는 추정을 수행하는 동안 파라미터 추정치의 큰 변화
- 모수 추정치의 평균을 구한 경우 후자 보여도 후자는 의해 중요하지 않을 수 있습니다.티에프
- 아르 자형2
- 조건 지수는 VIF 또는 CI가 문제가 남아 있음을 나타내지 않으므로 VIF의 대안 이므로이 결과에 대해 통계적 으로 만족할 수 있지만 ...
모델에 모든 변수가 있어야 할 수도 있기 때문에 이론적으로는 그렇지 않을 수도 있습니다. 관련 변수를 제외하면 (변수 생략 생략) 어쨌든 치우 치며 일관되지 않은 모수 추정이 이루어집니다. 반면에 분석에 기반을두기 때문에 모든 초점 변수를 포함시켜야 할 수도 있습니다. 데이터 마이닝 방식에서는 가장 적합한 것을 검색하는 데 더 기술적입니다.
따라서 대안을 명심하십시오 (내가 사용할 것).
- 더 많은 데이터 포인트 확보 (더 큰 데이터 세트의 경우 VIF 요구 사항이 더 작고 느리게 변화하는 경우 설명 변수가 중요하거나 시간 또는 단면의 일부 중요한 포인트에 대해 설명 변수가 변경 될 수 있음)
- 주요 구성 요소를 통해 지연 요소 검색 (후자는 직교 조합이므로 구성에 의해 다중 공 선형이 아니며 모든 설명 변수가 더 많이 )
- 능선 회귀 (모수 추정치에 작은 바이어스가 발생하지만 매우 안정적 임)
다른 트릭은 위에 언급 된 위키 기사에 있습니다.