Корреляционно-регрессионный анализ - Часть 51

К особенностям корреляционного анализа в рядах динамики следует отнести также мультиколинеарнисть, т.е. наличие сильной корреляции между независимыми переменными, которая может существовать вне зависимости между результативным и факторными признаками. Наличие мультиколлинеарности в корреляционных моделях составляет достаточно серьезную угрозу и для получения объективных оценок взаимосвязей, в связи с чем усложняется сам процесс осуществления анализа. Объясняется это следующими причинами: 1) трудно выделить наиболее существенные факторы, поскольку правило | 3-коэффициентов действительно только для некоррелированных (или слабокорельованих) факторов, 2) искажается содержание коэффициентов регрессии 3) усложняется вычислительный процесс.

Решение вопросов мультиколлинеарности в корреляционном анализе рядов динамики должно осуществляться по следующим этапам: 1) определение факта наличия мультиколлинеарности, 2) определение области мультиколлинеарности на множестве факторов, 3) измерения степени мультиколлинеарности 4) выяснения ее причин 5) разработка мероприятий по устранению мультиколлинеарности.

Следует помнить, что математическая природа регрессии исключает наличие линейной связи между независимыми переменными. Для экономических явлений это обстоятельство считается характерной, ведь между факторами существуют линейные соотношения, которые находят свое отражение (в простейшем случае) в больших значениях коэффициентов простой корреляции. Как уже отмечалось, факторы считаются мультиколинеарнимы, если абсолютная величина парного И коэффициента корреляции превышает 0,8.

Назовем пути устранения (уменьшения) в корреляционном анализе мультиколлинеарности в рядах динамики: 1) построение уравнений регрессии по отклонениям от трендов, 2) получение и привлечения дополнительной статистической информации, 3) преобразование множества независимых переменных в несколько ортогональных (независимых) множеств с последующим использованием методов многомерного статистического анализа (факторного, кластерного и др..) 4) исключение из модели одного или нескольких линейно связанных факторов.

В специальной литературе рекомендуется при многофакторном регрессионном анализе в динамике использовать простейшие-прямолинейные - зависимости. Это объясняется тем, что при сложных действительны зависимости между явлениями часто искажаются. Они также плохо поддаются экономической интерпретации.

foto_00014.jpg