Методи визначення мультиколінеарності та способи її усунення.

Найпростіше позбутися мультиколінеарності в економетричній моделі можна, відкинувши одну зі змінних мультиколінеарної пари. Але на практиці вилучення якогось чинника часто суперечить логіці економічних зв’язків. Тоді можна перетворити певним чином пояснювальні змінні моделі:

а) взяти відхилення від середньої;

б) замість абсолютних значень взяти відносні;

в) стандартизувати пояснювальні змінні і т. iн.

За наявності мультиколінеарності змінних потрібно звертати увагу й на специфікацію моделі. Іноді заміна однієї функції іншою, якщо це не суперечить апріорній інформації, дає змогу уникнути явища мультиколінеарності.

Коли жодний з розглянутих способів не дає змоги позбутися мультиколінеарності, то параметри моделі слід оцінювати за методом головних компонентів.

Алгоритм Фаррара-Глобера.

Найповніше дослідити мультиколінеарність можна з допомогою алгоритму Фаррара – Глобера. Цей алгоритм має три види статистичних критеріїв, згідно з якими перевіряється мультиколінеарність всього масиву незалежних змінних ( - «хі» – квадрат); кожної незалежної змінної з рештою змінних (F-критерій); кожної пари незалежних змінних (t-критерій).

Усі ці критерії при порівнянні з їх критичними значеннями дають змогу робити конкретні висновки щодо наявності чи відсутності мультиколінеарності незалежних змінних.

Алгоритм Фаррара – Глобера.

Крок 1. Стандартизація (нормалізація) змінних.

Позначимо вектори незалежних змінних економетричної моделі через . Елементи стандартизованих векторів обчислио за формулою:

де – число спостережень ; – число пояснювальних змінних, ; – середнє арифметичне k-ї пояснювальної змінної; – дисперсія -ї пояснювальної змінної.

Крок 2. Знаходження кореляційної матриці

де – матриця стандартизованих незалежних (пояснювальних) змінних, – матриця, транспонована до матриці .

Крок 3. Визначення критерію («хі»-квадрат):

де – визначник кореляційної матриці .

Значення цього критерію порівнюється з табличним при ступенях свободи і рівні значимості . Якщо , то в масиві пояснювальних змінних існує мультиколінеарність.

Крок 4. Визначення оберненої матриці:

Крок 5. Очислення -критеріїв:

,

де – діагональні елементи матриці . Фактичні значення критеріїв порівнюються з табличними при і ступенях свободи і рівні значущості . Якщо , то відповідна -та незалежна змінна мультиколінеарна з іншими.

Коефіцієнт детермінації для кожної змінної

Крок 6. Знаходження частинних коефіцієнтів кореляції:

де – елемент матриці , що міститься в -му рядку і -му стовпці; i – діагональні елементи матриці .

Крок 7. Обчислення -критеріїв:

Фактичні значення критеріїв порівнюються з табличними при ступенях свободи і рівні значущості . Якщо , то між незалежними змінними і існує мультиколінеарність.

Якщо -критерій більший за табличне значення, тобто коли -та змінна залежить від усіх інших у масиві, то необхідно вирішувати питання про її вилучення з переліку змінних.

Якщо – критерій більший за табличний, то ці дві змінні ( і ) тісно пов’язані одною з одною. Звідси, аналізуючи рівень обох видів критеріїв і , можна зробити обґрунтований висновок про те, яку зі змінних необхідно вилучити з дослідження або замінити іншою. Проте заміна масиву незалежних змінних завжди має узгоджуватись з економічною доцільністю, що випливає з мети дослідження.

 

Метод головних компонентів.