Faktor Inflasi Varians (VIF)

Apakah Faktor Inflasi Varians (VIF)?

Faktor inflasi varians (VIF) ialah ukuran jumlah multikolineariti dalam satu set pembolehubah regresi berganda . Secara matematik, VIF untuk pembolehubah model regresi adalah sama dengan nisbah varians model keseluruhan kepada varians model yang merangkumi hanya pembolehubah bebas tunggal itu. Nisbah ini dikira untuk setiap pembolehubah bebas. VIF yang tinggi menunjukkan bahawa pembolehubah bebas yang berkaitan adalah sangat selaras dengan pembolehubah lain dalam model.

Memahami Faktor Inflasi Varians (VIF)

Faktor inflasi varians ialah alat untuk membantu mengenal pasti tahap multikolineariti. Regresi berganda digunakan apabila seseorang ingin menguji kesan berbilang pembolehubah pada hasil tertentu. Pembolehubah bersandar ialah hasil yang diambil tindakan oleh pembolehubah bebas—input ke dalam model. Multikolineariti wujud apabila terdapat hubungan linear, atau korelasi, antara satu atau lebih pembolehubah atau input tidak bersandar.

Multikolineariti menimbulkan masalah dalam regresi berganda kerana input semuanya mempengaruhi satu sama lain. Oleh itu, mereka sebenarnya tidak bebas, dan sukar untuk menguji sejauh mana gabungan pembolehubah bebas mempengaruhi pembolehubah bersandar, atau hasil, dalam model regresi.

Dari segi statistik, model regresi berganda di mana terdapat multikolineariti yang tinggi akan menjadikannya lebih sukar untuk menganggarkan hubungan antara setiap pembolehubah bebas dan pembolehubah bersandar. Perubahan kecil dalam data yang digunakan atau dalam struktur persamaan model boleh menghasilkan perubahan besar dan tidak menentu dalam pekali anggaran pada pembolehubah bebas.

Untuk memastikan model dinyatakan dengan betul dan berfungsi dengan betul, terdapat ujian yang boleh dijalankan untuk multikolineariti. Faktor inflasi varians adalah salah satu alat pengukur tersebut. Menggunakan faktor inflasi varians membantu mengenal pasti keterukan sebarang isu multikolineariti supaya model boleh diselaraskan. Faktor inflasi varians mengukur sejauh mana tingkah laku (varians) pembolehubah bebas dipengaruhi, atau meningkat, oleh interaksi/korelasinya dengan pembolehubah bebas yang lain.

Faktor inflasi varians membenarkan ukuran cepat berapa banyak pembolehubah menyumbang kepada kesalahan piawai dalam regresi. Apabila isu multikolineariti yang ketara wujud, faktor inflasi varians akan menjadi sangat besar untuk pembolehubah yang terlibat. Selepas pembolehubah ini dikenal pasti, beberapa pendekatan boleh digunakan untuk menghapuskan atau menggabungkan pembolehubah kolinear, menyelesaikan isu multikolineariti.

Multikolineariti

Walaupun multikolineariti tidak mengurangkan kuasa ramalan keseluruhan model, ia boleh menghasilkan anggaran pekali regresi yang tidak signifikan secara statistik. Dari satu segi, ia boleh dianggap sebagai sejenis pengiraan dua kali dalam model.

Apabila dua atau lebih pembolehubah tidak bersandar berkait rapat atau mengukur perkara yang hampir sama, maka kesan asas yang mereka ukur akan diambil kira dua kali (atau lebih) merentas pembolehubah. Menjadi sukar atau mustahil untuk mengatakan pembolehubah mana yang benar-benar mempengaruhi pembolehubah bebas. Ini adalah masalah kerana matlamat banyak model ekonometrik adalah untuk menguji dengan tepat hubungan statistik seperti ini antara pembolehubah bebas dan pembolehubah bersandar.

Sebagai contoh, katakan seorang ahli ekonomi ingin menguji sama ada terdapat hubungan yang signifikan secara statistik antara kadar pengangguran (pembolehubah bebas) dan kadar inflasi (pembolehubah bersandar). Termasuk pembolehubah bebas tambahan yang berkaitan dengan kadar pengangguran , seperti tuntutan pengangguran awal yang baharu , berkemungkinan akan memperkenalkan multikolineariti ke dalam model.

Model keseluruhan mungkin menunjukkan kuasa penjelasan yang kukuh dan mencukupi secara statistik, tetapi tidak dapat mengenal pasti sama ada kesannya kebanyakannya disebabkan oleh kadar pengangguran atau tuntutan pengangguran awal yang baharu. Inilah yang akan dikesan oleh VIF, dan ia akan mencadangkan kemungkinan menggugurkan salah satu pembolehubah daripada model atau mencari cara untuk menyatukannya untuk menangkap kesan bersamanya bergantung pada hipotesis khusus yang penyelidik berminat untuk menguji.

##Sorotan

Faktor inflasi varians (VIF) menyediakan ukuran multikolineariti antara pembolehubah bebas dalam model regresi berganda.
Mengesan multikolineariti adalah penting kerana walaupun multikolineariti tidak mengurangkan kuasa penjelasan model, ia mengurangkan kepentingan statistik pembolehubah bebas.
Faktor inflasi varians (VIF) yang besar pada pembolehubah bebas menunjukkan hubungan kolinear tinggi dengan pembolehubah lain yang perlu dipertimbangkan atau diselaraskan dalam struktur model dan pemilihan pembolehubah bebas.