Wielokoliniowość
Wielokoliniowość to występowanie wysokich wzajemnych korelacji między zmiennymi niezależnymi w modelu regresji wielokrotnej. Wielokoliniowość może prowadzić do wypaczonych lub wprowadzających w błąd wyników, gdy badacz lub analityk próbuje ustalić, jak dobrze każdą niezależną zmienną można najskuteczniej wykorzystać do przewidywania lub zrozumienia zmiennej zależnej w modelu statystycznym. Zasadniczo wielokoliniowość może prowadzić do szerszych przedziałów ufności i mniej wiarygodnych wartości prawdopodobieństwa (wartości P) dla zmiennych niezależnych.
PRZEŁAMANIE Wielokoliniowość
Analitycy statystyczni wykorzystują modele regresji wielokrotnej do przewidywania wartości określonej zmiennej zależnej na podstawie wartości dwóch lub więcej zmiennych niezależnych. Zmienna zależna jest czasami określana jako zmienna wyniku, celu lub kryterium. Wielokoliniowość w modelu regresji wielokrotnej wskazuje, że zmienne współliniowe niezależne są w pewien sposób powiązane, chociaż związek może, ale nie musi być przypadkowy.
Jednym z najczęstszych sposobów wyeliminowania problemu wielokoliniowości w badaniu jest najpierw identyfikacja zmiennych niezależnych współliniowo, a następnie usunięcie wszystkich oprócz jednego. Możliwe jest również wyeliminowanie wielokoliniowości poprzez połączenie dwóch lub więcej zmiennych współliniowych w jedną zmienną. Następnie można przeprowadzić analizę statystyczną w celu zbadania związku między określoną zmienną zależną a tylko jedną zmienną niezależną.
Wielokoliniowość w inwestowaniu
W przypadku inwestycji multikolinearność jest często brana pod uwagę przy przeprowadzaniu analizy technicznej w celu przewidzenia prawdopodobnych przyszłych zmian cen papierów wartościowych, takich jak akcje lub towary przyszłości. Analitycy rynku chcą unikać stosowania wskaźników technicznych, które są współliniowe, ponieważ opierają się na bardzo podobnych lub powiązanych danych wejściowych; ujawniają podobne prognozy dotyczące zmiennej zależnej ruchu cen. Zamiast tego chcą przeprowadzić analizę rynku w oparciu o wyraźnie różne zmienne niezależne, które odnoszą się do różnych wskaźników technicznych, aby zapewnić, że analizują rynek z różnych niezależnych analitycznych punktów widzenia.
Znany analityk techniczny John Bollinger, twórca wskaźnika Bollinger Bands, zauważa, że „główna zasada skutecznego stosowania analizy technicznej wymaga unikania wielokoliniowości wśród wskaźników”.
Aby uniknąć problemu wielokoliniowości, analitycy unikają używania dwóch lub więcej wskaźników technicznych tego samego typu. Zamiast tego analizują zabezpieczenia przy użyciu jednego rodzaju wskaźnika, takiego jak wskaźnik pędu, a następnie przeprowadzają oddzielną analizę przy użyciu innego rodzaju wskaźnika, takiego jak wskaźnik trendu. Przykładem potencjalnego problemu wielokoliniowości jest przeprowadzanie analizy technicznej tylko przy użyciu kilku podobnych wskaźników, takich jak stochastyka, wskaźnik siły względnej (RSI) i Williams% R, które wszystkie są wskaźnikami pędu, które opierają się na podobnych danych wejściowych i prawdopodobnie wytwarzają podobne wyniki.
Porównaj rachunki inwestycyjne Nazwa dostawcy Opis Ujawnienie reklamodawcy × Oferty przedstawione w tej tabeli pochodzą od partnerstw, od których Investopedia otrzymuje wynagrodzenie.