Bir araştırmacı tarafından kurulan çoklu doğrusal regresyon modelinde, bağımsız değişkenler için hesaplanan Varyans Şişme Faktörü (VIF) değerlerinden birinin olduğu saptanmıştır. Ayrıca modelin genel anlamlılık testi (-testi) anlamlı sonuç vermesine rağmen, bağımsız değişkenlerin çoğuna ait bireysel anlamlılık testleri (-testleri) anlamsız çıkmıştır. Bu bulgular ışığında, araştırmacının karşılaştığı sorunu gidermek amacıyla başvurabileceği en uygun yöntem aşağıdakilerden hangisidir?
- Ridge regresyon gibi yanlı tahmin yöntemlerini kullanmakCevap
- BModele otokorelasyonu gidermek için Durbin-Watson testi uygulamak
- CDeğişkenlerdeki birim farklarını gidermek için bağımlı değişkenin logaritmasını almak
- DTahmincilerin varyansını düşürmek için gözlem sayısını azaltmak
- EModele mevcut bağımsız değişkenlerle ilişkili yeni kontrol değişkenleri eklemek
Cevap
Modeldeki çoklu doğrusal bağlantı sorununu gidermek için Ridge regresyon gibi yanlı tahmin yöntemleri kullanılmalıdır.
Varyans Şişme Faktörü (VIF) değerinin 10'un üzerinde olması, ilgili bağımsız değişkenin diğer bağımsız değişkenler tarafından yüksek oranda açıklandığını gösterir. Bu durumdaki bir modelde katsayıların standart hataları şişer ve t-testleri anlamsızlaşır. Ridge regresyon, katsayı tahmin sürecine bir 'ceza terimi' ekleyerek varyansı minimize eden ve çoklu doğrusal bağlantı durumunda daha güvenilir sonuçlar veren yanlı bir tahmin yöntemidir.
Adım Adım Çözüm
Anahtar Kavram
Varyans Şişme Faktörü (VIF) ve Çoklu Doğrusal Bağlantı Çözümleri
Daha Fazla Pratik
Çoklu doğrusal bağlantı durumunda varyansın nasıl 'şiştiğini' anlamak için VIF ile tolerans değeri (1/VIF) arasındaki ilişkiyi inceleyebilirsiniz.
Tahmini Süre:1m 30s