Os 2 tipos de multicollinearity

Multicollinearity

surge quando existe uma relação linear entre duas ou mais variáveis ​​independentes em um modelo de regressão. Na prática, você raramente encontram multicolinearidade perfeita, mas alta multicolinearidade é bastante comum e pode causar sérios problemas para a sua análise de regressão.

Video: Lecture52 (Data2Decision) Detecting Multicollinearity in R

Dois tipos de multicolinearidade existir:

multicolinearidade perfeita ocorre quando dois ou mais variáveis ​​independentes em um modelo de regressão apresentam uma determinista (Perfeitamente previsível ou não contendo qualquer aleatoriedade) relação linear. Quando as variáveis ​​perfeitamente colineares são incluídas como variáveis ​​independentes, você não pode usar a técnica de OLS para estimar o valor dos parâmetros. multicolinearidade perfeita, portanto, viola um dos clássicos do modelo de regressão linear (CLRM) suposições.

Video: Multicollinearity with R

alta multicolinearidade resulta de uma relação linear entre as variáveis ​​independentes com um alto grau de correlação, mas não são completamente determinista (em outras palavras, eles não têm correlação perfeita). É muito mais comum do que sua contraparte perfeita e pode ser igualmente problemático quando se trata de estimar um modelo econométrico.

Video: Os 2 tipos de alunos

Na prática, a multicolinearidade perfeita é incomum e pode ser evitado com atenção especial às variáveis ​​independentes do modelo. No entanto, alta multicolinearidade é bastante comum e pode criar problemas de estimação graves. Por esta razão, quando econometristas apontar para um problema de multicolinearidade, eles estão normalmente se referindo a Alto MULTICOLINEARIDADE em vez de perfeito multicolinearidade.