multikollinearitet
Multikollinearitet är förekomsten av höga interkorrelationer bland oberoende variabler i en multipel regressionsmodell. Multikollinearitet kan leda till sneda eller vilseledande resultat när en forskare eller analytiker försöker bestämma hur väl varje oberoende variabel kan användas mest effektivt för att förutsäga eller förstå den beroende variabeln i en statistisk modell. I allmänhet kan multikollinearitet leda till större konfidensintervall och mindre pålitliga sannolikhetsvärden (P-värden) för de oberoende variablerna.
BREAKING NED Multicollinearity
Statistiska analytiker använder flera regressionsmodeller för att förutsäga värdet på en specificerad beroende variabel baserat på värdena för två eller flera oberoende variabler. Den beroende variabeln benämns ibland utfall, mål eller kriterium. Multikollinearitet i en multipel regressionsmodell indikerar att kollinära oberoende variabler är relaterade på något sätt, även om relationen kanske eller inte kan vara avslappnad.
Ett av de vanligaste sätten att eliminera problemet med multikollinearitet i en studie är att först identifiera kollinära oberoende variabler och sedan ta bort alla utom en. Det är också möjligt att eliminera multikollinearitet genom att kombinera två eller flera kollinära variabler till en enda variabel. Statistisk analys kan sedan genomföras för att studera förhållandet mellan den specificerade beroende variabeln och endast en enda oberoende variabel.
Multikollinearitet i investeringar
För investeringar är multikollinearitet ett vanligt övervägande när man utför en teknisk analys för att förutsäga sannolika framtida kursrörelser för ett värdepapper, t.ex. Marknadsanalytiker vill undvika att använda tekniska indikatorer som är kollinära genom att de bygger på mycket likartade eller relaterade insatsvaror; de tenderar att avslöja liknande förutsägelser beträffande den beroende variabeln i prisrörelse. Istället vill de utföra en marknadsanalys baserad på markant olika oberoende variabler som hänvisar till olika tekniska indikatorer för att säkerställa att de analyserar marknaden från olika oberoende analytiska synpunkter.
Noterad teknisk analytiker John Bollinger, skapare av Bollinger Bands-indikatorn, konstaterar att "en kardinalregel för framgångsrik användning av teknisk analys kräver att man undviker multikollinearitet mitt i indikatorerna."
För att undvika problemet med multikollinearitet undviker analytiker att använda två eller flera tekniska indikatorer av samma typ. Istället analyserar de en säkerhet med hjälp av en typ av indikator, till exempel en momentindikator, och gör sedan separat analys med hjälp av en annan typ av indikator, till exempel en trendindikator. Ett exempel på ett potentiellt multikollinearitetsproblem är att utföra teknisk analys endast med hjälp av flera liknande indikatorer, såsom stokastik, relativ styrkaindex (RSI) och Williams% R, som alla är momentumindikatorer som förlitar sig på liknande input och sannolikt kommer att producera liknande resultat.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.