La multicolinealitat és un problema perquè soscava la significació estadística d'una variable independent. En igu altat de coses, com més gran sigui l'error estàndard d'un coeficient de regressió, menys probable és que aquest coeficient sigui estadísticament significatiu.
Com saps si la multicolinealitat és un problema?
Una manera de mesurar la multicolinearitat és el factor d'inflació de la variància (VIF), que avalua fins a quin punt augmenta la variància d'un coeficient de regressió estimat si els vostres predictors estan correlacionats. … Un VIF entre 5 i 10 indica una alta correlació que pot ser problemàtica.
La colinealitat és un problema per a la predicció?
La multicolinealitat segueix sent un problema per al poder predictiu. El vostre model s'adaptarà excessivament i és menys probable que es generalitzi a dades fora de la mostra. Afortunadament, el vostre R2 no es veurà afectat i els vostres coeficients encara estaran imparcials.
Per què la colinealitat és un problema en la regressió?
Multicolinealitat redueix la precisió dels coeficients estimats, la qual cosa debilita el poder estadístic del vostre model de regressió. És possible que no pugueu confiar en els valors p per identificar variables independents que siguin estadísticament significatives.
Quan hauríeu d'ignorar la colinealitat?
Augmenta els errors estàndard dels seus coeficients i pot fer que aquests coeficients siguin inestables de diverses maneres. Però sempre que la colinealles variables només s'utilitzen com a variables de control i no són colineals amb les variables d'interès, no hi ha cap problema.
