Apa itu Multicollinearity?
Multikolinieriti adalah fenomena statistik di mana dua atau lebih pemboleh ubah dalam model regresi bergantung pada pemboleh ubah lain sedemikian rupa sehingga dapat diramalkan secara linear dari yang lain dengan tahap ketepatan yang tinggi. Ia biasanya digunakan dalam kajian pemerhatian dan kurang popular dalam kajian eksperimen.
Jenis-jenis Multicollinearity
Terdapat empat jenis Multicollinearity
- # 1 - Multicollinearity yang sempurna - Ia wujud apabila pemboleh ubah bebas dalam persamaan meramalkan hubungan linear yang sempurna.
- # 2 - Multikolineariti tinggi - Ia merujuk kepada hubungan linear antara dua atau lebih pemboleh ubah bebas yang tidak saling berkaitan antara satu sama lain.
- # 3 - Struktural Multicollinearity - Ini disebabkan oleh penyelidik sendiri dengan memasukkan pemboleh ubah bebas yang berbeza dalam persamaan.
- # 4 - Multicollineaariti berasaskan data - Ia disebabkan oleh eksperimen yang dirancang oleh penyelidik dengan kurang baik.
Punca Multicollinearity
Pemboleh ubah bebas, Perubahan parameter Pemboleh ubah melakukan sedikit perubahan pada pemboleh ubah. Terdapat kesan yang signifikan terhadap hasil & Pengumpulan Data merujuk kepada sampel populasi Terpilih yang diambil.
Contohnya Multicollinearity
Contoh # 1
Mari kita anggap bahawa ABC Ltd, KPO, telah disewa oleh syarikat farmaseutikal untuk menyediakan perkhidmatan penyelidikan dan analisis statistik mengenai penyakit di India. Untuk ini, ABC ltd telah memilih usia, berat badan, profesi, tinggi badan, dan kesihatan sebagai parameter prima facie.
- Dalam contoh di atas, terdapat situasi multikolineariti kerana pemboleh ubah bebas yang dipilih untuk kajian secara langsung berkorelasi dengan hasilnya. Oleh itu, adalah wajar bagi penyelidik untuk menyesuaikan pemboleh ubah terlebih dahulu sebelum memulakan sesuatu projek kerana hasilnya akan langsung terpengaruh kerana pemboleh ubah yang dipilih di sini.
Contoh # 2
Mari kita anggap bahawa ABC Ltd telah dilantik oleh Tata Motors untuk memahami jumlah penjualan motor tata akan tinggi dalam kategori mana di pasaran.
- Dalam contoh di atas, pertama, pemboleh ubah bebas akan diselesaikan berdasarkan kajian yang perlu diselesaikan. Ia boleh menjadi pendapatan bulanan, usia. Jenama, kelas bawah. Maksudnya hanya data yang akan dipilih, yang akan masuk ke dalam semua tab ini untuk mengetahui berapa banyak orang yang dapat membeli kereta ini (tata nano) tanpa melihat kereta lain.
Contoh # 3
Mari kita anggap bahawa ABC Ltd telah diupah untuk menghantar laporan untuk mengetahui berapa orang di bawah 50 tahun yang terdedah kepada serangan jantung. untuk ini, parameternya adalah umur, jantina, sejarah perubatan
- Dalam contoh di atas, terdapat multikolineariti yang timbul kerana pembolehubah bebas "umur" perlu diubah ke usia di bawah 50 tahun untuk mengundang aplikasi dari orang ramai supaya orang yang berumur lebih dari 50 tahun secara automatik disaring.
Kelebihan
Berikut adalah beberapa Kelebihan
- Hubungan Linear antara Pemboleh ubah Bebas dalam persamaan.
- Sangat berguna dalam model statistik dan laporan penyelidikan yang disediakan oleh firma berasaskan penyelidikan.
- Kesan langsung pada hasil yang diinginkan.
Kekurangan
Berikut adalah beberapa Kekurangan
- Dalam beberapa situasi, masalah ini akan diselesaikan dengan mengumpulkan lebih banyak data mengenai pemboleh ubah.
- Penggunaan pembolehubah dummy yang salah iaitu, penyelidik mungkin lupa untuk menggunakan pemboleh ubah dummy apabila diperlukan.
- Memasukkan 2 pemboleh ubah yang sama atau serupa dalam persamaan seperti berat dan lbs dalam berat.
- Memasukkan pemboleh ubah dalam persamaan yang merupakan gabungan 2.
- Sangat sukar untuk melakukan pengiraan kerana ini adalah teknik statistik dan memerlukan kalkulator statistik untuk melakukan pelaksanaan.
Kesimpulannya
Multikolineariti adalah salah satu alat statistik yang paling digemari yang sering digunakan dalam analisis regresi dan analisis statistik untuk pangkalan data yang besar dan output yang diinginkan. Semua syarikat utama mempunyai jabatan statistik yang berasingan di syarikat mereka untuk melakukan analisis regresi statistik mengenai produk atau orang untuk memberikan pandangan strategik tentang pasaran kepada pihak pengurusan dan juga membantu mereka merancang strategi jangka panjang mereka dengan tetap memperhatikan ini. Pembentangan analisis grafik memberikan pembaca gambaran yang jelas mengenai hubungan langsung, ketepatan, dan prestasi.
- Sekiranya tujuan penyelidik adalah untuk memahami pemboleh ubah bebas dalam persamaan, maka multikolinieriti akan menjadi masalah besar baginya.
- Penyelidik perlu melakukan perubahan yang diperlukan dalam pemboleh ubah pada tahap 0 itu sendiri, jika tidak, ia mungkin memberi kesan besar pada hasilnya.
- Multikolineariti boleh dilakukan dengan memeriksa matriks korelasi.
- Langkah-langkah pemulihan memainkan peranan penting dalam menyelesaikan masalah multikolineariti.
