Multikolineæritet
Multikollinearitet er forekomsten av høye interkorrelasjoner blant uavhengige variabler i en multippel regresjonsmodell. Multikollinearitet kan føre til skjevt eller misvisende resultater når en forsker eller analytiker prøver å bestemme hvor godt hver uavhengige variabel kan brukes mest effektivt for å forutsi eller forstå den avhengige variabelen i en statistisk modell. Generelt kan multikollinearitet føre til større konfidensintervaller og mindre pålitelige sannsynlighetsverdier (P-verdier) for de uavhengige variablene.
BREAKING NED Multicollinearity
Statistiske analytikere bruker flere regresjonsmodeller for å forutsi verdien av en spesifisert avhengig variabel basert på verdiene til to eller flere uavhengige variabler. Den avhengige variabelen blir noen ganger referert til som utfalls-, mål- eller kriterievariabelen. Multikollinearitet i en multippel regresjonsmodell indikerer at kollinære uavhengige variabler er relatert på noen måte, selv om forholdet kanskje eller ikke er tilfeldig.
En av de vanligste måtene å eliminere problemet med multikollinearitet i en studie er å først identifisere kollinære uavhengige variabler og deretter fjerne alle unntatt en. Det er også mulig å eliminere multikollinearitet ved å kombinere to eller flere kollinære variabler til en enkelt variabel. Statistisk analyse kan deretter utføres for å studere forholdet mellom den spesifiserte avhengige variabelen og bare en enkelt uavhengig variabel.
Multikollinearitet i investering
For investering er multikollinearitet en vanlig vurdering når du utfører en teknisk analyse for å forutsi sannsynlige fremtidige kursbevegelser på et verdipapir, for eksempel en aksje eller en råvarefremtid. Markedsanalytikere ønsker å unngå å bruke tekniske indikatorer som er kollinære ved at de er basert på veldig like eller relaterte innspill; de har en tendens til å avsløre lignende prediksjoner angående den avhengige variabelen for prisbevegelse. I stedet ønsker de å utføre en markedsanalyse basert på markant forskjellige uavhengige variabler som viser til forskjellige tekniske indikatorer for å sikre at de analyserer markedet fra forskjellige uavhengige analytiske synspunkter.
Notert teknisk analytiker John Bollinger, skaper av Bollinger Bands-indikatoren, bemerker at "en kardinal regel for vellykket bruk av teknisk analyse krever at man unngår multikollinearitet blant indikatorer."
For å unngå problemet med multikollinearitet, unngår analytikere å bruke to eller flere tekniske indikatorer av samme type. I stedet analyserer de en sikkerhet ved hjelp av en type indikator, for eksempel en momentumindikator, og gjør deretter separate analyser ved hjelp av en annen type indikator, for eksempel en trendindikator. Et eksempel på et potensielt multikollinearitetsproblem er å utføre teknisk analyse bare ved bruk av flere lignende indikatorer, for eksempel stokastikk, relativ styrkeindeks (RSI) og Williams% R, som alle er momentumindikatorer som er avhengige av lignende innganger og sannsynligvis vil produsere lignende resultater.
Sammenlign Navn på leverandør av investeringskontoer Beskrivelse Annonsørens avsløring × Tilbudene som vises i denne tabellen er fra partnerskap som Investopedia mottar kompensasjon fra.