मल्टीकोलिनियरिटी एक मल्टीपल रिग्रेशन मॉडल में दो या दो से अधिक स्वतंत्र चर के बीच उच्च अंतर्संबंधों की घटना है … सामान्य तौर पर, मल्टीकोलिनियरिटी व्यापक आत्मविश्वास अंतराल को जन्म दे सकती है जो कम विश्वसनीय संभावनाएं पैदा करती है एक मॉडल में स्वतंत्र चर के प्रभाव की शर्तें।
आप बहुसंरेखण की व्याख्या कैसे करते हैं?
मल्टीकोलिनियरिटी आम तौर पर होती है जब दो या दो से अधिक प्रेडिक्टर वेरिएबल के बीच उच्च सहसंबंध होते हैं। दूसरे शब्दों में, एक भविष्यवक्ता चर का उपयोग दूसरे की भविष्यवाणी करने के लिए किया जा सकता है। यह एक रिग्रेशन मॉडल में परिणामों को तिरछा करते हुए अनावश्यक जानकारी बनाता है।
बहुसंरेखण क्या है और यह एक समस्या क्यों है?
मल्टीकोलिनियरिटी तब मौजूद होती है जब एक स्वतंत्र चर एक या अधिक अन्य स्वतंत्र चर के साथ एक बहु प्रतिगमन समीकरण में अत्यधिक सहसंबद्ध होता है। मल्टीकोलिनियरिटी एक समस्या है क्योंकि यह एक स्वतंत्र चर के सांख्यिकीय महत्व को कम करती है
बहुसंरेखण उदाहरण क्या है?
यदि दो या दो से अधिक स्वतंत्र चरों के बीच एक सटीक रैखिक संबंध है तो हमारे पास पूर्ण बहुसंरेखता है। उदाहरण: एक ही जानकारी को दो बार (पाउंड में वजन और किलोग्राम में वजन), डमी वैरिएबल का सही तरीके से उपयोग नहीं करना (डमी वैरिएबल ट्रैप में गिरना), आदि शामिल हैं।
इकोनोमेट्रिक्स बहुसंरेखण का पता कैसे लगाता है?
बहुसंरेखण का पता लगाना
- चरण 1: स्कैटरप्लॉट और सहसंबंध मैट्रिक्स की समीक्षा करें। …
- चरण 2: गलत गुणांक चिह्नों को देखें। …
- चरण 3: गुणांकों की अस्थिरता की तलाश करें। …
- चरण 4: विचरण मुद्रास्फीति कारक की समीक्षा करें।