| dbo:abstract
|
- Multikolinearita je v ekonometrii výraz pro vadu vyskytující se v matici pozorování regresorů X, kdy není splněn jeden z Gauss-Markovových požadavků pro odhad metodou nejmenších čtverců a sice, že matice X nemá plnou hodnost - případ tzv. perfektní multikolinearity, popř. matice pozorování XTX má determinant velmi blízký nule a z toho důvodu lze odhadnout inverzní matici (XTX)−1 pouze za cenu velkých statistických chyb odhadu parametrů v regresním modelu. (cs)
- التداخل الخطي (بالإنجليزية: Collinearity) وتعرف أيضا بالتداخل الخطي المتعدد (Multicollinearity) في الإحصاء والنمذجة الإحصائية (خصوصا في نماذج الانحدار) هي خاصية تكون فيها متغيرات مستقلة قابلة للكتابة، عبر توليفة خطية، بدلالة متغيرات مستقلة أخرى. يعتبر التداخل الخطي حالة غير مرغوب فيها بالنسبة للمتغيرات المفسرة بحكم أنه يشكل نوعا من تكرار المعلومة مما يعني أن المتغيرات المتداخلة خطيا تفسر نفس الظاهرة ويستحسن تقليل عددها بسحب متغيرات من قائمة المتغيرات المفسرة. بعبارة أخرى، تكون المتغيرات المتداخلة تؤثر سلبيا على بعضها البعض (أي تزعج بعضها البعض إحصائيا)، داخل النموذج مما يستوجب تبني إستراتيجية لإقصاء بعضها من النموذج. التداخل الخطي هو خاصية أو ظاهرة مرتبطة بالبيانات والمتغيرات وليس بالنموذج الإحصائي في حد ذاته. (ar)
- Multikollinearität liegt vor, wenn zwei oder mehr erklärende Variablen eine sehr starke Korrelation miteinander haben. Mit zunehmender Multikollinearität wird in der Regressionsanalyse die Schätzung der Regressionskoeffizienten instabil. Aussagen zur Schätzung der Regressionskoeffizienten sind zunehmend ungenau und die Modellinterpretation ist nicht mehr eindeutig. Dies ist das Problem nicht identifizierbarer Parameter. Ein Symptom starker Multikollinearität ist ein hohes Bestimmtheitsmaß einhergehend mit niedrigen t-Werten für die einzelnen Regressionsparameter. (de)
- El proceso o término de multicolinealidad en econometría es una situación en la que se presenta una fuerte correlación entre variables explicativas del modelo. La correlación ha de ser fuerte, ya que siempre existirá correlación entre dos variables explicativas en un modelo, es decir, la no correlación de dos variables es un proceso idílico, que sólo se podría encontrar en condiciones de laboratorio. (es)
- In statistics, multicollinearity (also collinearity) is a phenomenon in which one predictor variable in a multiple regression model can be linearly predicted from the others with a substantial degree of accuracy. In this situation, the coefficient estimates of the multiple regression may change erratically in response to small changes in the model or the data. Multicollinearity does not reduce the predictive power or reliability of the model as a whole, at least within the sample data set; it only affects calculations regarding individual predictors. That is, a multivariate regression model with collinear predictors can indicate how well the entire bundle of predictors predicts the outcome variable, but it may not give valid results about any individual predictor, or about which predictors are redundant with respect to others. Note that in statements of the assumptions underlying regression analyses such as ordinary least squares, the phrase "no multicollinearity" usually refers to the absence of perfect multicollinearity, which is an exact (non-stochastic) linear relation among the predictors. In such a case, the design matrix has less than full rank, and therefore the moment matrix cannot be inverted. Under these circumstances, for a general linear model , the ordinary least squares estimator does not exist. In any case, multicollinearity is a characteristic of the design matrix, not the underlying statistical model. Multicollinearity leads to non-identifiable parameters. (en)
- Multikolinearitas atau Kolinearitas Ganda (Bahasa Inggris: Multicollinearity) adalah adanya hubungan linear antara peubah bebas X dalam Model Regresi Ganda. Jika hubungan linear antar peubah bebas X dalam Model Regresi Ganda adalah korelasi sempurna maka peubah-peubah tersebut berkolinearitas ganda sempurna (Bahasa Inggris: perfect multicollinearity). Sebagai ilustrasi, misalnya dalam menduga faktor-faktor yang memengaruhi konsumsi per tahun dari suatu rumah tangga, dengan model regresi ganda sebagai berikut: Y=ß0+ß1X1+ß2X2+Edimana:X1: pendapatan per tahun dari rumah tanggaX2: pendapatan per bulan dari rumah tangga Peubah X1 dan X2 berkolinearitas sempurna karena X1 = 12X2. Jika kedua peubah ini dimasukkan ke dalam model regresi, akan timbul masalah Kolinearitas Sempurna, yang tidak mungkin diperoleh pendugaan koefisien parameter regresinya. Jika tujuan pemodelan hanya untuk peramalan nilai Y (peubah respon) dan tidak mengkaji hubungan atau pengaruh antara peubah bebas (X) dengan peubah respon (Y) maka masalah multikolinearitas bukan masalah yang serius. Seperti jika menggunakan Model ARIMA dalam peramalan, karena korelasi antara dua parameter selalu tinggi, meskipun melibatkan data sampel dengan jumlah yang besar. Masalah multikolinearitas menjadi serius apabila digunakan unruk mengkaji hubungan antara peubah bebas (X) dengan peubah respon (Y) karena simpangan baku koefisiennya regresinya tidak siginifikan sehingga sulit memisahkan pengaruh dari masing-masing peubah bebas. (in)
- 다중공선성(多重共線性)문제(Multicollinearity)는 통계학의 회귀분석에서 독립변수들 간에 강한 상관관계가 나타나는 문제이다. 독립변수들간에 정확한 선형관계가 존재하는 완전공선성의 경우와 독립변수들간에 높은 선형관계가 존재하는 다중공선성으로 구분하기도 한다. 이는 회귀분석의 전제 가정을 위배하는 것이므로 적절한 회귀분석을 위해 해결해야 하는 문제가 된다. (ko)
- 統計学において、多重共線性（たじゅうきょうせんせい、英語: Multicollinearity、単に共線性とも略される）とは、重回帰モデルにおいて、説明変数の中に、相関係数が高い組み合わせがあることをいう（例: 体重とBMI）。重回帰分析の際、説明変数を増やすほど決定係数が高くなりやすいために、より多くの説明変数を入れ、多重共線性を起こす可能性がある。このような状況では、モデルやデータの小さな変化に応じて、重回帰の係数推定値が不規則に変化しうる。多重共線性は、少なくともサンプルデータセット内では、全体としてのモデルの予測力または信頼性を低下させず、個々の予測変数に関する計算にのみ影響を与える。つまり、共線性予測変数を持つ多変量回帰モデルは、予測変数の全体がどれだけよく結果変数を予測するかを示すことができるが、個々の予測変数に関する有効な結果、またはどの予測変数が不要かに関しては有効な結果を与えないことも考えられる。 なお、最小二乗法（OLS）などの回帰分析の前提条件を説明する際、「多重共線性がない」という表現は、完全な多重共線性がないこと、すなわち予測変数間に正確な（非確率的な）線形関係がないことを意味する。このような場合、計画行列 はフルランクに満たないため、 は逆行列にならない。このような状況では、一般的な線形モデル や、 最小二乗法（OLS）による推定量 が存在しないことになる。 いずれにしても、多重共線性は計画行列の特性であって、基礎となる統計モデルの特性ではない。 (ja)
- Multicollineariteit is een statistisch fenomeen waarin twee of meer verklarende variabelen in een regressiemodel sterk gecorreleerd zijn, wat wil zeggen dat minstens een van hen op basis van het model voorspeld kan worden. Multicollineariteit beïnvloedt de berekening van de coëfficiënten, aangezien ze in dat geval ten minste gedeeltelijk overlappen, en reduceert dus hun betrouwbaarheid. (nl)
- Під мультиколінеарністю розуміють наявність лінійної залежності між двома або більше факторними (незалежними) змінними у регресійній моделі. (uk)
- Мультиколлинеарность (multicollinearity) — в эконометрике (регрессионный анализ) — наличие линейной зависимости между объясняющими переменными (факторами) регрессионной модели. При этом различают полную коллинеарность, которая означает наличие функциональной (тождественной) линейной зависимости и частичную или просто мультиколлинеарность — наличие сильной корреляции между факторами. Полная коллинеарность приводит к неопределенности параметров в линейной регрессиионной модели независимо от методов оценки. Рассмотрим это на примере следующей линейной модели Пусть факторы этой модели тождественно связаны следующим образом: . Тогда рассмотрим исходную линейную модель, в которой к первому коэффициенту добавим произвольное число a, а из двух других коэффициентов это же число вычтем. Тогда имеем (без случайной ошибки): Таким образом, несмотря на относительно произвольное изменение коэффициентов модели мы получили ту же модель. Такая модель принципиально неидентифицируема. Неопределенность существует уже в самой модели. Если рассмотреть 3-мерное пространство коэффициентов, то в этом пространстве вектор истинных коэффициентов в данном случае не единственный, а представляет собой целую прямую линию! Любая точка этой прямой — истинный вектор коэффициентов. В связи с этим проблема полной коллинеарности факторов решается уже на стадии отбора переменных при моделировании и поэтому к проблеме качества эконометрических оценок параметров отношения не имеет. На практике чаще возникает другая ситуация — сильная корреляция между факторами. (ru)
- Multicolinearidade consiste em um problema comum em regressões, no qual as variáveis independentes possuem relações lineares exatas ou aproximadamente exatas.O índício mais claro da existência da multicolinearidade é quando o R² é bastante alto, mas nenhum dos coeficientes da regressão é estatisticamente significativo segundo a convencional.As consequências da multicolinearidade em uma regressão são a de erros-padrão elevados no caso de multicolinearidade moderada ou severa e até mesmo a impossibilidade de qualquer estimação se a multicolinearidade for perfeita. Detalhe importante: Se R2 for alto e as correlações parciais são baixas, a multicolinearidade é uma possibilidade. Quando isso acontece uma ou mais variáveis podem ser desnecessárias no modelo. Se R2 for alto e as correlações parciais também, a multicolinearidade pode não ser detectável de imediato. Outros problemas comuns em uma regressão são heteroscedasticidade, autocorrelação e . A ausência de multicolinearidade é uma das premissas para estabelecer um modelo de regressão múltipla correto. No entanto, alguns autores (como SICSÚ, Abraham Laredo) afirmam que não se trata de um problema grave se o objetivo da análise econométrica é previsão. (pt)
- Multikollinearitet (vid två variabler kollinearitet) är en statistisk term. (Multi)kollinearitet innebär att två (eller flera) kovarianser är högt korrelerade. Ett statistiskt resultat kan förklaras med så kallade . Om variationen mellan två sådana förklaringsfaktorer är liten eller obefintlig, det vill säga att faktorerna är högt korrelerade, innebär det att man heller inte kan använda endera förklaringsfaktorn för att bedöma eller förklara ett statistiskt resultat. (sv)
- 多重共線性（Multicollinearity）是指多變量線性回歸中，變量之間由於存在高度相關關係而使回歸估計不准確。在該情況下，多元回歸的係數可能會因為模型或數據的微小變化發生劇烈改變。在樣本數據集中，多重共線性不會影響模型整體的預測能力或信度，它只會影響單個預測值（predictor）的結果。簡而言之，一個包含有共線預測值的多元回歸模型可以指示出模型整體的預測可靠程度，但可能無法對單個預測值給出有效結果，也可能無法判斷哪些預測值是冗餘的。 需要注意的是，在對回歸分析的敘述中，“沒有多重共線性”多用於指代沒有完美的 多重共線性，意為預測值之間存在完全線性相關關係。在這種情況下，模型矩陣Χ不是滿秩，因此其矩量矩陣不可逆。在該情況下，對一個普通線性模型來說，普通最小二乘估計值不存在。 (zh)
|
| dbo:thumbnail
| |
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 30395 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| dbp:wikiPageUsesTemplate
| |
| dct:subject
| |
| rdf:type
| |
| rdfs:comment
|
- Multikolinearita je v ekonometrii výraz pro vadu vyskytující se v matici pozorování regresorů X, kdy není splněn jeden z Gauss-Markovových požadavků pro odhad metodou nejmenších čtverců a sice, že matice X nemá plnou hodnost - případ tzv. perfektní multikolinearity, popř. matice pozorování XTX má determinant velmi blízký nule a z toho důvodu lze odhadnout inverzní matici (XTX)−1 pouze za cenu velkých statistických chyb odhadu parametrů v regresním modelu. (cs)
- Multikollinearität liegt vor, wenn zwei oder mehr erklärende Variablen eine sehr starke Korrelation miteinander haben. Mit zunehmender Multikollinearität wird in der Regressionsanalyse die Schätzung der Regressionskoeffizienten instabil. Aussagen zur Schätzung der Regressionskoeffizienten sind zunehmend ungenau und die Modellinterpretation ist nicht mehr eindeutig. Dies ist das Problem nicht identifizierbarer Parameter. Ein Symptom starker Multikollinearität ist ein hohes Bestimmtheitsmaß einhergehend mit niedrigen t-Werten für die einzelnen Regressionsparameter. (de)
- El proceso o término de multicolinealidad en econometría es una situación en la que se presenta una fuerte correlación entre variables explicativas del modelo. La correlación ha de ser fuerte, ya que siempre existirá correlación entre dos variables explicativas en un modelo, es decir, la no correlación de dos variables es un proceso idílico, que sólo se podría encontrar en condiciones de laboratorio. (es)
- 다중공선성(多重共線性)문제(Multicollinearity)는 통계학의 회귀분석에서 독립변수들 간에 강한 상관관계가 나타나는 문제이다. 독립변수들간에 정확한 선형관계가 존재하는 완전공선성의 경우와 독립변수들간에 높은 선형관계가 존재하는 다중공선성으로 구분하기도 한다. 이는 회귀분석의 전제 가정을 위배하는 것이므로 적절한 회귀분석을 위해 해결해야 하는 문제가 된다. (ko)
- Multicollineariteit is een statistisch fenomeen waarin twee of meer verklarende variabelen in een regressiemodel sterk gecorreleerd zijn, wat wil zeggen dat minstens een van hen op basis van het model voorspeld kan worden. Multicollineariteit beïnvloedt de berekening van de coëfficiënten, aangezien ze in dat geval ten minste gedeeltelijk overlappen, en reduceert dus hun betrouwbaarheid. (nl)
- Під мультиколінеарністю розуміють наявність лінійної залежності між двома або більше факторними (незалежними) змінними у регресійній моделі. (uk)
- Multikollinearitet (vid två variabler kollinearitet) är en statistisk term. (Multi)kollinearitet innebär att två (eller flera) kovarianser är högt korrelerade. Ett statistiskt resultat kan förklaras med så kallade . Om variationen mellan två sådana förklaringsfaktorer är liten eller obefintlig, det vill säga att faktorerna är högt korrelerade, innebär det att man heller inte kan använda endera förklaringsfaktorn för att bedöma eller förklara ett statistiskt resultat. (sv)
- 多重共線性（Multicollinearity）是指多變量線性回歸中，變量之間由於存在高度相關關係而使回歸估計不准確。在該情況下，多元回歸的係數可能會因為模型或數據的微小變化發生劇烈改變。在樣本數據集中，多重共線性不會影響模型整體的預測能力或信度，它只會影響單個預測值（predictor）的結果。簡而言之，一個包含有共線預測值的多元回歸模型可以指示出模型整體的預測可靠程度，但可能無法對單個預測值給出有效結果，也可能無法判斷哪些預測值是冗餘的。 需要注意的是，在對回歸分析的敘述中，“沒有多重共線性”多用於指代沒有完美的 多重共線性，意為預測值之間存在完全線性相關關係。在這種情況下，模型矩陣Χ不是滿秩，因此其矩量矩陣不可逆。在該情況下，對一個普通線性模型來說，普通最小二乘估計值不存在。 (zh)
- التداخل الخطي (بالإنجليزية: Collinearity) وتعرف أيضا بالتداخل الخطي المتعدد (Multicollinearity) في الإحصاء والنمذجة الإحصائية (خصوصا في نماذج الانحدار) هي خاصية تكون فيها متغيرات مستقلة قابلة للكتابة، عبر توليفة خطية، بدلالة متغيرات مستقلة أخرى. التداخل الخطي هو خاصية أو ظاهرة مرتبطة بالبيانات والمتغيرات وليس بالنموذج الإحصائي في حد ذاته. (ar)
- In statistics, multicollinearity (also collinearity) is a phenomenon in which one predictor variable in a multiple regression model can be linearly predicted from the others with a substantial degree of accuracy. In this situation, the coefficient estimates of the multiple regression may change erratically in response to small changes in the model or the data. Multicollinearity does not reduce the predictive power or reliability of the model as a whole, at least within the sample data set; it only affects calculations regarding individual predictors. That is, a multivariate regression model with collinear predictors can indicate how well the entire bundle of predictors predicts the outcome variable, but it may not give valid results about any individual predictor, or about which predictors (en)
- Multikolinearitas atau Kolinearitas Ganda (Bahasa Inggris: Multicollinearity) adalah adanya hubungan linear antara peubah bebas X dalam Model Regresi Ganda. Jika hubungan linear antar peubah bebas X dalam Model Regresi Ganda adalah korelasi sempurna maka peubah-peubah tersebut berkolinearitas ganda sempurna (Bahasa Inggris: perfect multicollinearity). Sebagai ilustrasi, misalnya dalam menduga faktor-faktor yang memengaruhi konsumsi per tahun dari suatu rumah tangga, dengan model regresi ganda sebagai berikut: (in)
- 統計学において、多重共線性（たじゅうきょうせんせい、英語: Multicollinearity、単に共線性とも略される）とは、重回帰モデルにおいて、説明変数の中に、相関係数が高い組み合わせがあることをいう（例: 体重とBMI）。重回帰分析の際、説明変数を増やすほど決定係数が高くなりやすいために、より多くの説明変数を入れ、多重共線性を起こす可能性がある。このような状況では、モデルやデータの小さな変化に応じて、重回帰の係数推定値が不規則に変化しうる。多重共線性は、少なくともサンプルデータセット内では、全体としてのモデルの予測力または信頼性を低下させず、個々の予測変数に関する計算にのみ影響を与える。つまり、共線性予測変数を持つ多変量回帰モデルは、予測変数の全体がどれだけよく結果変数を予測するかを示すことができるが、個々の予測変数に関する有効な結果、またはどの予測変数が不要かに関しては有効な結果を与えないことも考えられる。 いずれにしても、多重共線性は計画行列の特性であって、基礎となる統計モデルの特性ではない。 (ja)
- Multicolinearidade consiste em um problema comum em regressões, no qual as variáveis independentes possuem relações lineares exatas ou aproximadamente exatas.O índício mais claro da existência da multicolinearidade é quando o R² é bastante alto, mas nenhum dos coeficientes da regressão é estatisticamente significativo segundo a convencional.As consequências da multicolinearidade em uma regressão são a de erros-padrão elevados no caso de multicolinearidade moderada ou severa e até mesmo a impossibilidade de qualquer estimação se a multicolinearidade for perfeita. (pt)
- Мультиколлинеарность (multicollinearity) — в эконометрике (регрессионный анализ) — наличие линейной зависимости между объясняющими переменными (факторами) регрессионной модели. При этом различают полную коллинеарность, которая означает наличие функциональной (тождественной) линейной зависимости и частичную или просто мультиколлинеарность — наличие сильной корреляции между факторами. Полная коллинеарность приводит к неопределенности параметров в линейной регрессиионной модели независимо от методов оценки. Рассмотрим это на примере следующей линейной модели (ru)
|
| rdfs:label
|
- تداخل خطي (إحصاء) (ar)
- Multikolinearita (cs)
- Multikollinearität (de)
- Multicolinealidad (es)
- Multikolinearitas (in)
- 多重共線性 (ja)
- 다중공선성 (ko)
- Multicollinearity (en)
- Multicollineariteit (nl)
- Multicolinearidade (pt)
- Мультиколлинеарность (ru)
- Multikollinearitet (sv)
- Мультиколінеарність (uk)
- 多重共线性 (zh)
|
| owl:differentFrom
| |
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:depiction
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageDisambiguates
of | |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is foaf:primaryTopic
of | |
