Fator de Inflação de Variação (VIF)
O que é um fator de inflação de variação (VIF)?
O fator de inflação de variância (VIF) é uma medida da quantidade de multicolinearidade em um conjunto de variáveis de regressão múltipla. Matematicamente, o VIF para uma variável de modelo de regressão é igual à razão entre a variância geral do modelo e a variância de um modelo que inclui apenas essa única variável independente. Essa razão é calculada para cada variável independente. Um VIF alto indica que a variável independente associada é altamente colinear com as outras variáveis do modelo.
Entendendo um Fator de Inflação de Variação (VIF)
Um fator de inflação de variância é uma ferramenta para ajudar a identificar o grau de multicolinearidade. Uma regressão múltipla é usada quando uma pessoa deseja testar o efeito de várias variáveis em um resultado especÃfico. A variável dependente é o resultado que está sendo influenciado pelas variáveis independentes – as entradas no modelo. A multicolinearidade existe quando há uma relação linear, ou correlação, entre uma ou mais das variáveis independentes ou entradas.
A multicolinearidade cria um problema na regressão múltipla porque as entradas estão todas influenciando umas à s outras. Portanto, elas não são realmente independentes e é difÃcil testar o quanto a combinação das variáveis independentes afeta a variável dependente, ou resultado, dentro do modelo de regressão.
Em termos estatÃsticos, um modelo de regressão múltipla onde há alta multicolinearidade tornará mais difÃcil estimar a relação entre cada uma das variáveis independentes e a variável dependente. Pequenas mudanças nos dados utilizados ou na estrutura da equação do modelo podem produzir grandes e erráticas mudanças nos coeficientes estimados nas variáveis independentes.
Para garantir que o modelo esteja corretamente especificado e funcionando corretamente, existem testes que podem ser executados para multicolinearidade. O fator de inflação de variância é uma dessas ferramentas de medição. O uso de fatores de inflação de variância ajuda a identificar a gravidade de quaisquer problemas de multicolinearidade para que o modelo possa ser ajustado. O fator de inflação de variância mede o quanto o comportamento (variância) de uma variável independente é influenciado, ou inflado, por sua interação/correlação com as demais variáveis independentes.
Os fatores de inflação de variância permitem uma medida rápida de quanto uma variável está contribuindo para o erro padrão na regressão. Quando existem problemas significativos de multicolinearidade, o fator de inflação da variância será muito grande para as variáveis envolvidas. Após a identificação dessas variáveis, várias abordagens podem ser utilizadas para eliminar ou combinar variáveis colineares, resolvendo o problema da multicolinearidade.
Multicolinearidade
Embora a multicolinearidade não reduza o poder preditivo geral de um modelo, ela pode produzir estimativas dos coeficientes de regressão que não são estatisticamente significativas. De certa forma, pode ser pensado como uma espécie de dupla contagem no modelo.
Quando duas ou mais variáveis independentes estão intimamente relacionadas ou medem quase a mesma coisa, então o efeito subjacente que elas medem está sendo contabilizado duas vezes (ou mais) entre as variáveis. Torna-se difÃcil ou impossÃvel dizer qual variável está realmente influenciando a variável independente. Isso é um problema porque o objetivo de muitos modelos econométricos é testar exatamente esse tipo de relação estatÃstica entre as variáveis independentes e a variável dependente.
Por exemplo, suponha que um economista queira testar se existe uma relação estatisticamente significativa entre a taxa de desemprego (variável independente) e a taxa de inflação (variável dependente). A inclusão de variáveis independentes adicionais relacionadas à taxa de desemprego , como novos pedidos iniciais de seguro-desemprego , provavelmente introduziria multicolinearidade no modelo.
O modelo geral pode mostrar um poder explicativo forte e estatisticamente suficiente, mas ser incapaz de identificar se o efeito se deve principalmente à taxa de desemprego ou aos novos pedidos iniciais de auxÃlio-desemprego. Isso é o que o VIF detectaria, e sugeriria possivelmente retirar uma das variáveis do modelo ou encontrar alguma maneira de consolidá-las para capturar seu efeito conjunto, dependendo de qual hipótese especÃfica o pesquisador está interessado em testar.
##Destaques
Um fator de inflação de variância (VIF) fornece uma medida de multicolinearidade entre as variáveis independentes em um modelo de regressão múltipla.
A detecção de multicolinearidade é importante porque, embora a multicolinearidade não reduza o poder explicativo do modelo, ela reduz a significância estatÃstica das variáveis independentes.
Um fator de inflação de grande variância (VIF) em uma variável independente indica uma relação altamente colinear com as outras variáveis que devem ser consideradas ou ajustadas na estrutura do modelo e seleção de variáveis independentes.
