Varyans Enflasyon Faktörü (VIF)
Varyans Enflasyon Faktörü (VIF) Nedir?
bir dizi çoklu regresyon değişkenindeki çoklu bağlantı miktarının bir ölçüsüdür . Matematiksel olarak, bir regresyon modeli değişkeni için VIF, toplam model varyansının yalnızca o tek bağımsız değişkeni içeren bir modelin varyansına oranına eşittir . Bu oran her bağımsız değişken için hesaplanır. Yüksek bir VIF, ilişkili bağımsız değişkenin modeldeki diğer değişkenlerle yüksek oranda aynı çizgide olduğunu gösterir.
Varyans Enflasyon Faktörünü (VIF) Anlama
Varyans şişirme faktörü, çoklu bağlantı derecesini belirlemeye yardımcı olan bir araçtır. Bir kişi belirli bir sonuç üzerinde birden fazla değişkenin etkisini test etmek istediğinde çoklu regresyon kullanılır. Bağımlı değişken, bağımsız değişkenler tarafından üzerinde hareket edilen sonuçtur - modele girdiler. Çoklu doğrusallık, bir veya daha fazla bağımsız değişken veya girdi arasında doğrusal bir ilişki veya korelasyon olduğunda ortaya çıkar.
Çoklu doğrusallık, çoklu regresyonda bir problem yaratır çünkü girdilerin hepsi birbirini etkiler. Bu nedenle, gerçekte bağımsız değildirler ve bağımsız değişkenlerin kombinasyonunun bağımlı değişkeni veya regresyon modelindeki sonucu ne kadar etkilediğini test etmek zordur.
İstatistiksel olarak, çoklu bağlantının yüksek olduğu bir çoklu regresyon modeli, bağımsız değişkenlerin her biri ile bağımlı değişken arasındaki ilişkiyi tahmin etmeyi zorlaştıracaktır. Kullanılan verilerdeki veya model denkleminin yapısındaki küçük değişiklikler, bağımsız değişkenler üzerinde tahmin edilen katsayılarda büyük ve düzensiz değişiklikler üretebilir.
Modelin doğru bir şekilde belirlendiğinden ve doğru çalıştığından emin olmak için çoklu bağlantı için çalıştırılabilecek testler vardır. Varyans enflasyon faktörü böyle bir ölçüm aracıdır. Varyans şişirme faktörlerinin kullanılması, modelin ayarlanabilmesi için herhangi bir çoklu bağlantı sorununun ciddiyetinin belirlenmesine yardımcı olur. Varyans şişirme faktörü, bağımsız bir değişkenin davranışının (varyansının), diğer bağımsız değişkenlerle etkileşimi/korelasyonu tarafından ne kadar etkilendiğini veya şişirildiğini ölçer.
regresyondaki standart hataya ne kadar katkıda bulunduğunun hızlı bir şekilde ölçülmesini sağlar . Önemli çoklu bağlantı sorunları mevcut olduğunda, ilgili değişkenler için varyans enflasyon faktörü çok büyük olacaktır. Bu değişkenler tanımlandıktan sonra, çoklu doğrusallık sorununu çözerek eşdoğrusal değişkenleri ortadan kaldırmak veya birleştirmek için çeşitli yaklaşımlar kullanılabilir.
Çoklu doğrusallık
Çoklu bağlantı bir modelin genel tahmin gücünü azaltmasa da, istatistiksel olarak anlamlı olmayan regresyon katsayılarının tahminlerini üretebilir. Bir anlamda modelde bir tür çift sayma olarak düşünülebilir.
İki veya daha fazla bağımsız değişken yakından ilişkili olduğunda veya neredeyse aynı şeyi ölçtüğünde, ölçtükleri temel etki, değişkenler arasında iki kez (veya daha fazla) hesaba katılır. Hangi değişkenin bağımsız değişkeni gerçekten etkilediğini söylemek zor veya imkansız hale geliyor. Bu bir problem çünkü birçok ekonometrik modelin amacı, bağımsız değişkenler ile bağımlı değişken arasındaki bu tür istatistiksel ilişkiyi tam olarak test etmektir.
Örneğin, bir ekonomistin işsizlik oranı (bağımsız değişken) ile enflasyon oranı (bağımlı değişken) arasında istatistiksel olarak anlamlı bir ilişki olup olmadığını test etmek istediğini varsayalım. İşsizlik oranıyla ilgili ek bağımsız değişkenlerin dahil edilmesi , bu tür yeni bir ilk işsizlik başvuruları,. modele çoklu doğrusallık getirmesi muhtemeldir.
Genel model, güçlü, istatistiksel olarak yeterli açıklayıcı güç gösterebilir, ancak etkinin çoğunlukla işsizlik oranından mı yoksa yeni ilk işsizlik başvurularından mı kaynaklandığını belirleyemeyebilir. Bu, VIF'in tespit edeceği şeydir ve muhtemelen, değişkenlerden birini modelden çıkarmayı veya araştırmacının test etmekle ilgilendiği belirli hipoteze bağlı olarak ortak etkilerini yakalamak için onları birleştirmenin bir yolunu bulmayı önerecektir.
##Öne çıkanlar
Bir varyans enflasyon faktörü (VIF), bir çoklu regresyon modelinde bağımsız değişkenler arasındaki çoklu bağlantının bir ölçüsünü sağlar.
Çoklu bağlantının tespiti önemlidir çünkü çoklu bağlantı modelin açıklama gücünü azaltmazken bağımsız değişkenlerin istatistiksel anlamlılığını azaltır.
Bağımsız bir değişken üzerindeki büyük bir varyans şişirme faktörü (VIF), modelin yapısında ve bağımsız değişkenlerin seçiminde dikkate alınması veya ayarlanması gereken diğer değişkenlerle yüksek düzeyde doğrusal bir ilişki olduğunu gösterir.
