عامل تضخم الفروق (VIF)
ما هو عامل التضخم التباين (VIF)؟
عامل تضخم التباين (VIF) هو مقياس لمقدار الخطية المتعددة في مجموعة من متغيرات الانحدار المتعددة. رياضياً ، فإن VIF لمتغير نموذج الانحدار يساوي نسبة تباين النموذج الكلي إلى تباين النموذج الذي يتضمن فقط هذا المتغير المستقل الفردي. يتم حساب هذه النسبة لكل متغير مستقل. يشير VIF المرتفع إلى أن المتغير المستقل المرتبط به علاقة خطية متداخلة مع المتغيرات الأخرى في النموذج.
فهم عامل تضخم التباين (VIF)
عامل تضخم التباين هو أداة للمساعدة في تحديد درجة العلاقة الخطية المتعددة. يتم استخدام الانحدار المتعدد عندما يريد الشخص اختبار تأثير المتغيرات المتعددة على نتيجة معينة. المتغير التابع هو النتيجة التي يتم العمل عليها بواسطة المتغيرات المستقلة - المدخلات في النموذج. توجد العلاقة الخطية المتعددة عندما تكون هناك علاقة خطية ، أو ارتباط ، بين واحد أو أكثر من المتغيرات أو المدخلات المستقلة.
تخلق العلاقة الخطية المتعددة مشكلة في الانحدار المتعدد لأن المدخلات كلها تؤثر على بعضها البعض. لذلك ، فهي ليست مستقلة فعليًا ، ومن الصعب اختبار مدى تأثير مجموعة المتغيرات المستقلة على المتغير التابع ، أو النتيجة ، ضمن نموذج الانحدار.
من الناحية الإحصائية ، فإن نموذج الانحدار المتعدد حيث توجد علاقة خطية متعددة عالية سيجعل من الصعب تقدير العلاقة بين كل من المتغيرات المستقلة والمتغير التابع. يمكن أن تؤدي التغييرات الصغيرة في البيانات المستخدمة أو في هيكل معادلة النموذج إلى تغييرات كبيرة وغير منتظمة في المعاملات المقدرة على المتغيرات المستقلة.
للتأكد من أن النموذج محدد بشكل صحيح ويعمل بشكل صحيح ، هناك اختبارات يمكن تشغيلها من أجل العلاقات الخطية المتعددة. عامل تضخم التباين هو أحد أدوات القياس هذه. يساعد استخدام عوامل تضخم التباين في تحديد مدى خطورة أي مشكلات خطية متعددة بحيث يمكن تعديل النموذج. يقيس عامل تضخم التباين مدى تأثر سلوك (تباين) متغير مستقل أو تضخيمه من خلال تفاعله / ارتباطه بالمتغيرات المستقلة الأخرى.
تسمح عوامل تضخم التباين بقياس سريع لمدى مساهمة المتغير في الخطأ القياسي في الانحدار. عند وجود مشكلات كبيرة في العلاقة الخطية الخطية ، سيكون عامل تضخم التباين كبيرًا جدًا بالنسبة للمتغيرات المعنية. بعد تحديد هذه المتغيرات ، يمكن استخدام عدة طرق للتخلص من المتغيرات الخطية أو دمجها ، وحل مشكلة العلاقة الخطية المتعددة.
متعدد الخطية
على الرغم من أن العلاقة الخطية المتعددة لا تقلل من القدرة التنبؤية الكلية للنموذج ، إلا أنها يمكن أن تنتج تقديرات لمعاملات الانحدار التي ليست ذات دلالة إحصائية. بمعنى ما ، يمكن اعتباره نوعًا من العد المزدوج في النموذج.
عندما يرتبط متغيران مستقلان أو أكثر ارتباطًا وثيقًا أو يقيسان الشيء نفسه تقريبًا ، فإن التأثير الأساسي الذي يقيسونه يتم حسابه مرتين (أو أكثر) عبر المتغيرات. يصبح من الصعب أو المستحيل تحديد المتغير الذي يؤثر حقًا على المتغير المستقل. هذه مشكلة لأن الهدف من العديد من نماذج الاقتصاد القياسي هو اختبار هذا النوع من العلاقة الإحصائية بين المتغيرات المستقلة والمتغير التابع.
على سبيل المثال ، افترض أن خبيرًا اقتصاديًا يريد اختبار ما إذا كانت هناك علاقة ذات دلالة إحصائية بين معدل البطالة (متغير مستقل) ومعدل التضخم (متغير تابع). بما في ذلك المتغيرات المستقلة الإضافية التي تتعلق بمعدل البطالة ، مثل مطالبات البطالة الأولية الجديدة ، من المرجح أن تقدم علاقة خطية متعددة في النموذج.
قد يُظهر النموذج العام قوة تفسيرية قوية وكافية إحصائيًا ، لكنه غير قادر على تحديد ما إذا كان التأثير يرجع في الغالب إلى معدل البطالة أو إلى مطالبات البطالة الأولية الجديدة. هذا ما سيكتشفه VIF ، وقد يقترح إسقاط أحد المتغيرات من النموذج أو إيجاد طريقة لدمجها لالتقاط تأثيرها المشترك اعتمادًا على الفرضية المحددة التي يهتم الباحث باختبارها.
يسلط الضوء
يوفر عامل تضخم التباين (VIF) مقياساً للخطية المتعددة بين المتغيرات المستقلة في نموذج الانحدار المتعدد.
يعد اكتشاف العلاقة الخطية المتعددة أمرًا مهمًا لأنه في حين أن العلاقة الخطية المتعددة لا تقلل من القوة التفسيرية للنموذج ، إلا أنها تقلل من الأهمية الإحصائية للمتغيرات المستقلة.
يشير عامل تضخم التباين الكبير (VIF) على متغير مستقل إلى علاقة خطية متداخلة للغاية مع المتغيرات الأخرى التي يجب مراعاتها أو تعديلها في هيكل النموذج واختيار المتغيرات المستقلة.
