प्रसरण मुद्रास्फीति कारक (वीआईएफ)

वेरिएंस इन्फ्लेशन फैक्टर (VIF) क्या है?

वेरिएंस इन्फ्लेशन फैक्टर (VIF) मल्टीपल रिग्रेशन वेरिएबल्स के एक सेट में मल्टीकोलिनियरिटी की मात्रा का एक माप है। गणितीय रूप से, एक प्रतिगमन मॉडल चर के लिए VIF समग्र मॉडल विचरण के अनुपात के बराबर होता है जिसमें एक मॉडल का विचरण होता है जिसमें केवल एक स्वतंत्र चर शामिल होता है। इस अनुपात की गणना प्रत्येक स्वतंत्र चर के लिए की जाती है। एक उच्च वीआईएफ इंगित करता है कि संबंधित स्वतंत्र चर मॉडल में अन्य चर के साथ अत्यधिक मेल खाता है।

भिन्न मुद्रास्फीति कारक (VIF) को समझना

एक विचरण मुद्रास्फीति कारक बहुसंस्कृति की डिग्री की पहचान करने में मदद करने के लिए एक उपकरण है। एक बहु प्रतिगमन का उपयोग तब किया जाता है जब कोई व्यक्ति किसी विशेष परिणाम पर कई चर के प्रभाव का परीक्षण करना चाहता है। आश्रित चर वह परिणाम है जिस पर स्वतंत्र चर - मॉडल में इनपुट द्वारा कार्य किया जा रहा है। एक या अधिक स्वतंत्र चर या इनपुट के बीच एक रैखिक संबंध, या सहसंबंध होने पर बहुसंस्कृति मौजूद होती है।

मल्टीकोलिनियरिटी मल्टीपल रिग्रेशन में एक समस्या पैदा करती है क्योंकि इनपुट सभी एक दूसरे को प्रभावित कर रहे हैं। इसलिए, वे वास्तव में स्वतंत्र नहीं हैं, और यह परीक्षण करना मुश्किल है कि स्वतंत्र चर का संयोजन प्रतिगमन मॉडल के भीतर निर्भर चर, या परिणाम को कितना प्रभावित करता है।

सांख्यिकीय शब्दों में, एक बहु प्रतिगमन मॉडल जहां उच्च बहुसंरेखता है, प्रत्येक स्वतंत्र चर और आश्रित चर के बीच संबंध का अनुमान लगाना अधिक कठिन बना देगा। उपयोग किए गए डेटा में या मॉडल समीकरण की संरचना में छोटे परिवर्तन स्वतंत्र चर पर अनुमानित गुणांक में बड़े और अनिश्चित परिवर्तन उत्पन्न कर सकते हैं।

यह सुनिश्चित करने के लिए कि मॉडल ठीक से निर्दिष्ट है और सही ढंग से कार्य कर रहा है, ऐसे परीक्षण हैं जो बहुसंकेतन के लिए चलाए जा सकते हैं। वेरिएंस इन्फ्लेशन फैक्टर एक ऐसा मापने का उपकरण है। विचरण मुद्रास्फीति कारकों का उपयोग करने से किसी भी बहुसंरेखीयता के मुद्दों की गंभीरता की पहचान करने में मदद मिलती है ताकि मॉडल को समायोजित किया जा सके। प्रसरण मुद्रास्फीति कारक यह मापता है कि एक स्वतंत्र चर का व्यवहार (भिन्नता) अन्य स्वतंत्र चरों के साथ उसके अंतःक्रिया/सहसंबंध से कितना प्रभावित होता है, या बढ़ जाता है।

हैं कि प्रतिगमन में मानक त्रुटि में एक चर कितना योगदान दे रहा है । जब महत्वपूर्ण बहुविकल्पीय मुद्दे मौजूद होते हैं, तो इसमें शामिल चरों के लिए विचरण मुद्रास्फीति कारक बहुत बड़ा होगा। इन चरों की पहचान के बाद, बहुसंरेखीयता समस्या को हल करते हुए, समरेखीय चरों को समाप्त करने या संयोजित करने के लिए कई दृष्टिकोणों का उपयोग किया जा सकता है।

बहुरूपता

जबकि बहुसंकेतन एक मॉडल की समग्र भविष्य कहनेवाला शक्ति को कम नहीं करता है, यह प्रतिगमन गुणांक के अनुमानों का उत्पादन कर सकता है जो सांख्यिकीय रूप से महत्वपूर्ण नहीं हैं। एक मायने में, इसे मॉडल में एक तरह की दोहरी गणना के रूप में माना जा सकता है।

जब दो या दो से अधिक स्वतंत्र चर निकट से संबंधित होते हैं या लगभग एक ही चीज़ को मापते हैं, तो उनके द्वारा मापे जाने वाले अंतर्निहित प्रभाव को चरों में दो बार (या अधिक) के लिए जिम्मेदार ठहराया जा रहा है। यह कहना मुश्किल या असंभव हो जाता है कि कौन सा चर वास्तव में स्वतंत्र चर को प्रभावित कर रहा है। यह एक समस्या है क्योंकि कई अर्थमितीय मॉडलों का लक्ष्य स्वतंत्र चर और आश्रित चर के बीच इस प्रकार के सांख्यिकीय संबंध का परीक्षण करना है।

उदाहरण के लिए, मान लीजिए कि एक अर्थशास्त्री यह जांचना चाहता है कि बेरोजगारी दर (स्वतंत्र चर) और मुद्रास्फीति दर (आश्रित चर) के बीच सांख्यिकीय रूप से महत्वपूर्ण संबंध है या नहीं। अतिरिक्त स्वतंत्र चर शामिल हैं जो बेरोजगारी दर से संबंधित हैं,. इस तरह के एक नए प्रारंभिक बेरोजगार दावे,. मॉडल में बहुसंस्कृति पेश करने की संभावना होगी।

समग्र मॉडल मजबूत, सांख्यिकीय रूप से पर्याप्त व्याख्यात्मक शक्ति दिखा सकता है, लेकिन यह पहचानने में असमर्थ है कि क्या प्रभाव ज्यादातर बेरोजगारी दर या नए प्रारंभिक बेरोजगार दावों के कारण है। यह वही है जो VIF का पता लगाएगा, और यह सुझाव देगा कि संभवतः मॉडल में से किसी एक चर को छोड़ दें या शोधकर्ता के परीक्षण में रुचि रखने वाली विशिष्ट परिकल्पना के आधार पर उनके संयुक्त प्रभाव को पकड़ने के लिए उन्हें समेकित करने का कोई तरीका ढूंढे।

##हाइलाइट

• एक विचरण मुद्रास्फीति कारक (VIF) एक बहु प्रतिगमन मॉडल में स्वतंत्र चरों के बीच बहुसंकेतनता का माप प्रदान करता है।

• बहुसंरेखण का पता लगाना महत्वपूर्ण है क्योंकि बहुसंकेतिकता मॉडल की व्याख्यात्मक शक्ति को कम नहीं करती है, लेकिन यह स्वतंत्र चर के सांख्यिकीय महत्व को कम करती है।

• एक स्वतंत्र चर पर एक बड़ा विचरण मुद्रास्फीति कारक (VIF) अन्य चरों के लिए एक उच्च समरेखीय संबंध को इंगित करता है जिसे मॉडल की संरचना और स्वतंत्र चर के चयन के लिए माना या समायोजित किया जाना चाहिए।