Multicollinearity

मल्टीकोलिनरिटी क्या है

मल्टीकोलिनरिटी एक बहु प्रतिगमन मॉडल में स्वतंत्र चर के बीच उच्च अंतर्संबंधों की घटना है। जब एक शोधकर्ता या विश्लेषक एक सांख्यिकीय मॉडल में आश्रित चर की भविष्यवाणी या समझने के लिए सबसे प्रभावी ढंग से इस्तेमाल किया जा सकता है, यह निर्धारित करने के लिए मल्टीकोलिनरिटी तिरछा या भ्रामक परिणाम दे सकती है। सामान्य तौर पर, बहुस्तरीयता से व्यापक अंतर अंतराल और स्वतंत्र चर के लिए कम विश्वसनीय संभावना मान (पी मान) हो सकते हैं।

ब्रेकिंग डाउन मल्टीकोलिनरिटी

सांख्यिकीय विश्लेषक दो या अधिक स्वतंत्र चर के मूल्यों के आधार पर निर्दिष्ट निर्भर चर के मूल्य की भविष्यवाणी करने के लिए कई प्रतिगमन मॉडल का उपयोग करते हैं। आश्रित चर को कभी-कभी परिणाम, लक्ष्य या कसौटी चर कहा जाता है। एक बहु प्रतिगमन मॉडल में मल्टीकोलिनरिटी इंगित करता है कि कोलीनियर स्वतंत्र चर कुछ फैशन से संबंधित हैं, हालांकि संबंध आकस्मिक हो सकता है या नहीं हो सकता है।

एक अध्ययन में मल्टीकोलिनरिटी की समस्या को दूर करने के सबसे आम तरीकों में से एक है, पहले कोलियर स्वतंत्र चर की पहचान करना और उसके बाद सभी को हटा देना। एक एकल चर में दो या अधिक कोलीनियर चर मिलाकर मल्टीकोलिनरिटी को समाप्त करना भी संभव है। सांख्यिकीय विश्लेषण तब निर्दिष्ट आश्रित चर और केवल एक स्वतंत्र चर के बीच संबंधों का अध्ययन करने के लिए आयोजित किया जा सकता है।

निवेश करने में बहुस्तरीयता

निवेश के लिए, एक शेयर या कमोडिटी भविष्य जैसे सुरक्षा की संभावित भविष्य की कीमतों के आंदोलनों की भविष्यवाणी करने के लिए एक तकनीकी विश्लेषण का प्रदर्शन करते समय, बहुउद्देशीयता एक सामान्य विचार है। बाजार के विश्लेषक तकनीकी संकेतकों का उपयोग करने से बचना चाहते हैं जो इस तरह से मेल खाते हैं कि वे बहुत समान या संबंधित इनपुट पर आधारित हैं; वे मूल्य आंदोलन के आश्रित चर के संबंध में इसी तरह की भविष्यवाणियों को प्रकट करते हैं। इसके बजाय, वे स्पष्ट रूप से विभिन्न स्वतंत्र चर के आधार पर एक बाजार विश्लेषण करना चाहते हैं जो विभिन्न तकनीकी संकेतकों को संदर्भित करते हैं ताकि यह सुनिश्चित हो सके कि वे अलग-अलग स्वतंत्र विश्लेषणात्मक दृष्टिकोण से बाजार का विश्लेषण करते हैं।

प्रख्यात तकनीकी विश्लेषक जॉन बोलिंगर, बोलिंगर बैंड संकेतक के निर्माता, ध्यान दें कि "तकनीकी विश्लेषण के सफल उपयोग के लिए एक कार्डिनल नियम के लिए संकेतक के बीच मल्टीकोलिनरिटी से बचने की आवश्यकता होती है।"

मल्टीकोलिनरिटी की समस्या से बचने के लिए, विश्लेषक एक ही प्रकार के दो या अधिक तकनीकी संकेतकों का उपयोग करने से बचते हैं। इसके बजाय, वे एक प्रकार के संकेतक का उपयोग करके एक सुरक्षा का विश्लेषण करते हैं, जैसे एक गति सूचक, और फिर एक अलग प्रकार के संकेतक का उपयोग करके अलग-अलग विश्लेषण करते हैं, जैसे कि प्रवृत्ति संकेतक। एक संभावित मल्टीकोलिनरिटी समस्या का एक उदाहरण केवल कई समान संकेतकों का उपयोग करके तकनीकी विश्लेषण कर रहा है, जैसे कि स्टोचस्टिक, सापेक्ष शक्ति सूचकांक (आरएसआई), और विलियम्स% आर, जो सभी गति संकेतक हैं जो समान इनपुट पर भरोसा करते हैं और समान उत्पादन की संभावना रखते हैं परिणाम है।

इनवेस्टमेंट अकाउंट्स प्रोवाइडर नाम की तुलना करें। विज्ञापनदाता का विवरण × इस तालिका में दिखाई देने वाले प्रस्ताव उन साझेदारियों से हैं जिनसे इन्वेस्टोपेडिया को मुआवजा मिलता है।

संबंधित शर्तें

कम से कम वर्ग विधि कैसे काम करती है कम से कम वर्गों की विधि एक मॉडल के लिए सबसे अच्छा फिट की रेखा निर्धारित करने के लिए एक सांख्यिकीय तकनीक है, जिसमें कुछ मापदंडों के साथ निर्दिष्ट डेटा द्वारा निर्दिष्ट किया गया है। अधिक आर-स्क्वेर्ड आर-स्क्वेर्ड एक सांख्यिकीय उपाय है जो एक स्वतंत्र चर द्वारा समझाया गया है जो एक आश्रित चर के लिए विचरण के अनुपात का प्रतिनिधित्व करता है। अधिक कैसे सहसंबंध सहसंबंध स्टॉक आंदोलनों पर लागू होते हैं सीरियल सहसंबंध एक चर और विभिन्न समय के अंतराल पर खुद के एक अंतराल संस्करण के बीच संबंध है। यह अक्सर वित्तीय विश्लेषकों द्वारा उपयोग किया जाता है ताकि यह निर्धारित किया जा सके कि सुरक्षा का पिछला मूल्य भविष्य की कीमत की कितनी अच्छी भविष्यवाणी करता है। अधिक कैसे एकाधिक रैखिक प्रतिगमन काम करता है कई रैखिक प्रतिगमन (एमएलआर) एक सांख्यिकीय तकनीक है जो प्रतिक्रिया चर के परिणाम की भविष्यवाणी करने के लिए कई व्याख्यात्मक चर का उपयोग करती है। अधिक वियरेन्सी इन्फ्लेशन फैक्टर वियरेन्सी इन्फ्लेशन फैक्टर कई रिग्रेशन वैरिएबल्स के एक सेट में मल्टीकोलिनरिटी की मात्रा का एक माप है। अधिक कैसे सांख्यिकी कार्य सांख्यिकी एक गणितीय विश्लेषण का एक प्रकार है जो अनुभवजन्य डेटा या वास्तविक दुनिया टिप्पणियों के एक सेट के लिए मात्रात्मक मॉडल और सारांश का प्रतिनिधित्व करता है। अधिक साथी लिंक