multicollinearity

बहुसंकेतन क्या है?

बहुसंकेतन मॉडल में दो या दो से अधिक स्वतंत्र चरों के बीच उच्च अंतर्संबंधों की घटना है। जब कोई शोधकर्ता या विश्लेषक यह निर्धारित करने का प्रयास करता है कि सांख्यिकीय मॉडल में आश्रित चर का अनुमान लगाने या समझने के लिए प्रत्येक स्वतंत्र चर का सबसे प्रभावी ढंग से उपयोग किया जा सकता है, तो बहुसंस्कृति विषम या भ्रामक परिणाम दे सकती है।

सामान्य तौर पर, बहुसंस्कृति व्यापक आत्मविश्वास अंतराल को जन्म दे सकती है जो एक मॉडल में स्वतंत्र चर के प्रभाव के संदर्भ में कम विश्वसनीय संभावनाएं उत्पन्न करती है।

बहुस्तरीयता को समझना

सांख्यिकीय विश्लेषक दो या दो से अधिक स्वतंत्र चर के मूल्यों के आधार पर एक निर्दिष्ट आश्रित चर के मूल्य की भविष्यवाणी करने के लिए कई प्रतिगमन मॉडल का उपयोग करते हैं। आश्रित चर को कभी-कभी परिणाम, लक्ष्य या मानदंड चर के रूप में संदर्भित किया जाता है।

एक उदाहरण एक बहुभिन्नरूपी प्रतिगमन मॉडल है जो मूल्य-से-आय अनुपात (पी / ई अनुपात), बाजार पूंजीकरण, पिछले प्रदर्शन, या अन्य डेटा जैसी वस्तुओं के आधार पर स्टॉक रिटर्न का अनुमान लगाने का प्रयास करता है । स्टॉक रिटर्न आश्रित चर है और वित्तीय डेटा के विभिन्न बिट्स स्वतंत्र चर हैं।

एक बहु प्रतीपगमन मॉडल में बहुसंकेतिकता इंगित करती है कि संरेखीय स्वतंत्र चर कुछ फैशन में संबंधित हैं, हालांकि संबंध आकस्मिक हो भी सकता है और नहीं भी। उदाहरण के लिए, पिछला प्रदर्शन बाजार पूंजीकरण से संबंधित हो सकता है,. क्योंकि अतीत में अच्छा प्रदर्शन करने वाले शेयरों के बाजार मूल्य में वृद्धि होगी।

दूसरे शब्दों में, जब दो स्वतंत्र चर अत्यधिक सहसंबद्ध होते हैं, तो बहुसंस्कृति मौजूद हो सकती है। यह तब भी हो सकता है जब डेटा सेट में अन्य चर से एक स्वतंत्र चर की गणना की जाती है या यदि दो स्वतंत्र चर समान और दोहराव वाले परिणाम प्रदान करते हैं।

विशेष ध्यान

बहुसंरेखण की समस्या को दूर करने के सबसे सामान्य तरीकों में से एक है पहले समरेखीय स्वतंत्र चरों की पहचान करना और फिर एक को छोड़कर सभी को हटाना।

दो या दो से अधिक संरेखीय चरों को एक चर में मिलाकर बहुसंरेखण को समाप्त करना भी संभव है। सांख्यिकीय विश्लेषण तब निर्दिष्ट आश्रित चर और केवल एक स्वतंत्र चर के बीच संबंधों का अध्ययन करने के लिए आयोजित किया जा सकता है।

बहुसंरेखण वाले मॉडल से सांख्यिकीय निष्कर्ष भरोसेमंद नहीं हो सकते हैं।

बहुसंस्कृति के उदाहरण

###निवेश में

कमोडिटी फ्यूचर जैसे सुरक्षा के संभावित भविष्य की कीमतों में उतार-चढ़ाव की भविष्यवाणी करने के लिए तकनीकी विश्लेषण करते समय मल्टीकोलिनियरिटी एक सामान्य विचार है ।

बाजार विश्लेषक तकनीकी संकेतकों का उपयोग करने से बचना चाहते हैं जो कि एक समान हैं क्योंकि वे बहुत समान या संबंधित इनपुट पर आधारित हैं; वे मूल्य आंदोलन के आश्रित चर के संबंध में समान भविष्यवाणियां प्रकट करते हैं। इसके बजाय, बाजार विश्लेषण स्पष्ट रूप से अलग-अलग स्वतंत्र चर पर आधारित होना चाहिए ताकि यह सुनिश्चित हो सके कि वे विभिन्न स्वतंत्र विश्लेषणात्मक दृष्टिकोणों से बाजार का विश्लेषण करते हैं।

एक संभावित बहुसंस्कृति समस्या का एक उदाहरण केवल कई समान संकेतकों का उपयोग करके तकनीकी विश्लेषण करना है।

बोलिंगर बैंड्स इंडिकेटर के निर्माता, प्रसिद्ध तकनीकी विश्लेषक जॉन बोलिंगर ने नोट किया कि "तकनीकी विश्लेषण के सफल उपयोग के लिए एक मुख्य नियम के लिए संकेतकों के बीच बहुसंस्कृति से बचने की आवश्यकता है।" समस्या को हल करने के लिए, विश्लेषक एक ही प्रकार के दो या अधिक तकनीकी संकेतकों का उपयोग करने से बचते हैं। इसके बजाय, वे एक प्रकार के संकेतक का उपयोग करके सुरक्षा का विश्लेषण करते हैं, जैसे गति संकेतक, और फिर एक अलग प्रकार के संकेतक का उपयोग करके एक अलग विश्लेषण करते हैं, जैसे कि एक प्रवृत्ति संकेतक।

उदाहरण के लिए, स्टोकेस्टिक्स,. रिलेटिव स्ट्रेंथ इंडेक्स (आरएसआई),. और विलियम्स% आर सभी गति संकेतक हैं जो समान इनपुट पर भरोसा करते हैं और समान परिणाम देने की संभावना है। इस मामले में, संकेतकों में से एक को छोड़कर सभी को हटाना बेहतर है या उनमें से कई को सिर्फ एक संकेतक में मर्ज करने का एक तरीका खोजना है, जबकि एक प्रवृत्ति संकेतक भी जोड़ना है जो गति संकेतक के साथ अत्यधिक सहसंबद्ध होने की संभावना नहीं है।

###जीव विज्ञान में

कई अन्य संदर्भों में भी बहुसंस्कृति देखी जाती है। ऐसा ही एक संदर्भ मानव जीव विज्ञान है। उदाहरण के लिए, किसी व्यक्ति का रक्तचाप उम्र के साथ मेल नहीं खाता है, बल्कि वजन, तनाव और नाड़ी भी है।

##हाइलाइट

• बहुसंकेतन एक सांख्यिकीय अवधारणा है जहां एक मॉडल में कई स्वतंत्र चर सहसंबद्ध होते हैं।

• स्वतंत्र चरों के बीच बहुसंरेखण के परिणामस्वरूप कम विश्वसनीय सांख्यिकीय निष्कर्ष निकलेंगे।

• ऐसे स्वतंत्र चर का उपयोग करना बेहतर है जो दो या दो से अधिक चर का उपयोग करने वाले कई प्रतिगमन मॉडल बनाते समय सहसंबद्ध या दोहराव वाले नहीं हैं।

• दो चरों को पूर्णतः संरेखी माना जाता है यदि उनका सहसंबंध गुणांक +/- 1.0 है।

• एक डेटा सेट में बहुसंरेखण के अस्तित्व से बड़ी मानक त्रुटियों के कारण कम विश्वसनीय परिणाम प्राप्त हो सकते हैं।

##सामान्य प्रश्न

बहुसंस्कृति एक समस्या क्यों है?

बहुसंस्कृति एक समस्या है क्योंकि यह प्रतिगमन मॉडल परिणाम उत्पन्न करती है जो कम विश्वसनीय होते हैं। यह व्यापक आत्मविश्वास अंतराल (बड़ी मानक त्रुटियों ) के कारण है जो प्रतिगमन गुणांक के सांख्यिकीय महत्व को कम कर सकता है।

बहुसंकेतन से कोई कैसे निपट सकता है?

एक मॉडल में पाए जाने वाले बहुसंरेखण की मात्रा को कम करने के लिए, कोई उन विशिष्ट चरों को हटा सकता है जिन्हें सबसे अधिक संरेख के रूप में पहचाना जाता है। आप आपत्तिजनक चरों के सहसंबंध को कम करने के लिए उन्हें संयोजित या रूपांतरित करने का भी प्रयास कर सकते हैं। यदि वह काम नहीं करता है या अप्राप्य है, तो संशोधित प्रतिगमन मॉडल हैं जो बहुसंस्कृति से बेहतर तरीके से निपटते हैं, जैसे कि रिज प्रतिगमन, प्रमुख घटक प्रतिगमन, या आंशिक कम से कम वर्ग प्रतिगमन।

आप बहुस्तरीयता का पता कैसे लगाते हैं?

एक सांख्यिकीय तकनीक जिसे विचरण मुद्रास्फीति कारक (VIF) कहा जाता है, का उपयोग बहु प्रतिगमन मॉडल में संपार्श्विकता की मात्रा का पता लगाने और मापने के लिए किया जाता है।

परफेक्ट कोलीनियरिटी क्या है?

जब एक मॉडल में दो स्वतंत्र चरों के बीच सटीक 1:1 पत्राचार होता है, तो पूर्ण संरेखता मौजूद होती है। यह या तो +1.0 या -1.0 का सहसंबंध हो सकता है।