çoklu doğrusallık

Çoklu Bağlantı Nedir?

Çoklu doğrusallık, bir çoklu regresyon modelinde iki veya daha fazla bağımsız değişken arasında yüksek karşılıklı ilişkilerin ortaya çıkmasıdır. Bir araştırmacı veya analist, istatistiksel bir modelde bağımlı değişkeni tahmin etmek veya anlamak için her bir bağımsız değişkenin en etkili şekilde ne kadar iyi kullanılabileceğini belirlemeye çalıştığında, çoklu bağlantı, çarpık veya yanıltıcı sonuçlara yol açabilir.

, bir modeldeki bağımsız değişkenlerin etkisi açısından daha az güvenilir olasılıklar üreten daha geniş güven aralıklarına yol açabilir .

Çoklu Bağlantıyı Anlama

İstatistiksel analistler , iki veya daha fazla bağımsız değişkenin değerlerine dayalı olarak belirli bir bağımlı değişkenin değerini tahmin etmek için çoklu regresyon modelleri kullanır. Bağımlı değişken bazen sonuç, hedef veya kriter değişkeni olarak adlandırılır.

Bir örnek, fiyat-kazanç oranları (F/K oranları), piyasa değeri, geçmiş performans veya diğer veriler gibi öğelere dayalı olarak hisse senedi getirilerini tahmin etmeye çalışan çok değişkenli bir regresyon modelidir . Hisse senedi getirisi bağımlı değişkendir ve çeşitli finansal veri bitleri bağımsız değişkenlerdir.

Çoklu regresyon modelindeki çoklu bağlantı, ilişki rastgele olabilir veya olmayabilir de, aynı doğrusal bağımsız değişkenlerin bir şekilde ilişkili olduğunu gösterir. Örneğin, geçmişte iyi performans gösteren hisse senetleri artan piyasa değerlerine sahip olacağından , geçmiş performans piyasa değeri ile ilgili olabilir.

Başka bir deyişle, iki bağımsız değişken yüksek oranda ilişkili olduğunda çoklu bağlantı mevcut olabilir. Veri setindeki diğer değişkenlerden bağımsız bir değişkenin hesaplanması veya iki bağımsız değişkenin benzer ve tekrarlayan sonuçlar vermesi durumunda da olabilir.

Özel Hususlar

Çoklu doğrusal bağlantı sorununu ortadan kaldırmanın en yaygın yollarından biri, önce doğrusal bağımsız değişkenleri belirlemek ve sonra biri hariç hepsini ortadan kaldırmaktır.

İki veya daha fazla eşdoğrusal değişkeni tek bir değişkende birleştirerek çoklu doğrusallığı ortadan kaldırmak da mümkündür. Daha sonra, belirtilen bağımlı değişken ile yalnızca tek bir bağımsız değişken arasındaki ilişkiyi incelemek için istatistiksel analiz yapılabilir.

Çoklu bağlantı içeren bir modelden istatistiksel çıkarımlar güvenilir olmayabilir.

Çoklu Bağlantı Örnekleri

###Yatırımda

emtia geleceği gibi bir menkul kıymetin olası gelecekteki fiyat hareketlerini tahmin etmek için teknik analiz yapılırken çoklu bağlantı yaygın bir husustur .

Piyasa analistleri,. çok benzer veya ilgili girdilere dayandıkları için doğrusal olan teknik göstergeleri kullanmaktan kaçınmak isterler; fiyat hareketinin bağımlı değişkenine ilişkin benzer tahminleri ortaya koyma eğilimindedirler. Bunun yerine, piyasa analizi, piyasayı farklı bağımsız analitik bakış açılarından analiz etmelerini sağlamak için belirgin şekilde farklı bağımsız değişkenlere dayanmalıdır.

Olası bir çoklu bağlantı sorununa bir örnek, yalnızca birkaç benzer gösterge kullanarak teknik analiz yapmaktır.

Bollinger Bantları göstergesinin yaratıcısı olan tanınmış teknik analist John Bollinger, "teknik analizin başarılı bir şekilde kullanılması için temel bir kuralın göstergeler arasında çoklu bağlantıdan kaçınmayı gerektirdiğini" belirtiyor. Sorunu çözmek için analistler aynı türden iki veya daha fazla teknik gösterge kullanmaktan kaçınırlar. Bunun yerine, momentum göstergesi gibi bir tür gösterge kullanarak bir güvenliği analiz ederler ve ardından trend göstergesi gibi farklı bir gösterge türü kullanarak ayrı bir analiz yaparlar.

Örneğin, stokastik,. bağıl güç endeksi (RSI) ve Williams %R'nin tümü, benzer girdilere dayanan ve benzer sonuçlar üretmesi muhtemel olan momentum göstergeleridir. Bu durumda, göstergelerden biri hariç hepsini kaldırmak veya birkaçını tek bir göstergede birleştirmenin bir yolunu bulmak ve ayrıca momentum göstergesiyle yüksek düzeyde ilişkili olması muhtemel olmayan bir eğilim göstergesi eklemek daha iyidir.

###Biyolojide

Çoklu bağlantı, diğer birçok bağlamda da gözlenmektedir. Böyle bir bağlam insan biyolojisidir. Örneğin, bir bireyin kan basıncı yaşla değil, aynı zamanda kilo, stres ve nabızla da doğru orantılıdır.

##Öne çıkanlar

Çoklu bağlantı, bir modeldeki birkaç bağımsız değişkenin ilişkilendirildiği istatistiksel bir kavramdır.
Bağımsız değişkenler arasındaki çoklu bağlantı, daha az güvenilir istatistiksel çıkarımlara neden olacaktır.
İki veya daha fazla değişken kullanan çoklu regresyon modelleri oluştururken, ilişkili olmayan veya tekrar etmeyen bağımsız değişkenler kullanmak daha iyidir.
Korelasyon katsayıları +/- 1.0 ise, iki değişkenin mükemmel şekilde eşdoğrusal olduğu kabul edilir.
Bir veri setinde çoklu bağlantının varlığı, daha büyük standart hatalar nedeniyle daha az güvenilir sonuçlara yol açabilir.

##SSS

Çoklu Bağlantı Neden Bir Sorun?

Çoklu doğrusallık bir problemdir çünkü daha az güvenilir olan regresyon modeli sonuçları üretir. Bunun nedeni , regresyon katsayılarının istatistiksel önemini azaltabilen daha geniş güven aralıkları (daha büyük standart hatalar ).

Çoklu Bağlantı İle Nasıl Başa Çıkılabilir?

Bir modelde bulunan çoklu bağlantı miktarını azaltmak için, en çok eşdoğrusal olarak tanımlanan belirli değişkenler kaldırılabilir. Ayrıca, korelasyonlarını azaltmak için rahatsız edici değişkenleri birleştirmeyi veya dönüştürmeyi deneyebilirsiniz. Bu işe yaramazsa veya ulaşılamazsa, sırt regresyonu, temel bileşen regresyonu veya kısmi en küçük kareler regresyonu gibi çoklu bağlantıyla daha iyi ilgilenen değiştirilmiş regresyon modelleri vardır.

Çoklu Bağlantıyı Nasıl Tespit Edersiniz?

çoklu regresyon modelinde doğrusallık miktarını tespit etmek ve ölçmek için varyans şişirme faktörü (VIF) adı verilen istatistiksel bir teknik kullanılır.

Mükemmel Doğrusallık Nedir?

Bir modelde iki bağımsız değişken arasında tam 1:1 denklik olduğunda mükemmel bir doğrusallık vardır. Bu, +1.0 veya -1.0 korelasyonu olabilir.