मल्टीकोलिनरिटी क्या है?
मल्टीकोलिनरिटी एक बहु प्रतिगमन मॉडल में स्वतंत्र चर के बीच उच्च अंतर्संबंधों की घटना है। जब एक शोधकर्ता या विश्लेषक एक सांख्यिकीय मॉडल में आश्रित चर का अनुमान लगाने या उसे समझने के लिए सबसे प्रभावी ढंग से उपयोग किया जा सकता है, तो यह निर्धारित करने के लिए मल्टीकोलिनरिटी तिरछा या भ्रामक परिणाम दे सकती है। सामान्य तौर पर, बहुस्तरीयता व्यापक आत्मविश्वास अंतराल और स्वतंत्र चर के लिए कम विश्वसनीय संभावना मान पैदा कर सकती है। यही है, मल्टीकोलिनरिटी वाले मॉडल से सांख्यिकीय अनुमान भरोसेमंद नहीं हो सकता है।
बहुविकल्पी को समझना
सांख्यिकीय विश्लेषक दो या अधिक स्वतंत्र चर के मूल्यों के आधार पर निर्दिष्ट निर्भर चर के मूल्य की भविष्यवाणी करने के लिए कई प्रतिगमन मॉडल का उपयोग करते हैं। आश्रित चर को कभी-कभी परिणाम, लक्ष्य या कसौटी चर कहा जाता है। एक उदाहरण एक बहुभिन्नरूपी प्रतिगमन मॉडल है जो मूल्य-प्रति-आय अनुपात, बाजार पूंजीकरण, पिछले प्रदर्शन या अन्य डेटा जैसी वस्तुओं के आधार पर स्टॉक रिटर्न का अनुमान लगाने का प्रयास करता है। स्टॉक रिटर्न निर्भर चर है और वित्तीय डेटा के विभिन्न बिट्स स्वतंत्र चर हैं।
चाबी छीन लेना
- मल्टीकोलिनियरिटी एक सांख्यिकीय अवधारणा है जहां एक मॉडल में स्वतंत्र चर सहसंबद्ध होते हैं। स्वतंत्र चर के बीच में बहुसंख्यात्मकता के परिणामस्वरूप कम विश्वसनीय सांख्यिकीय निष्कर्ष होते हैं। उन स्वतंत्र चर का उपयोग करना बेहतर होता है जो कई प्रतिगमन मॉडल का निर्माण नहीं करते हैं जो दो या अधिक चर का उपयोग करते हैं। ।
एक एकाधिक प्रतिगमन मॉडल में मल्टीकोलिनरिटी इंगित करता है कि कोलीनियर स्वतंत्र चर कुछ फैशन से संबंधित हैं, हालांकि संबंध आकस्मिक हो सकता है या नहीं हो सकता है। उदाहरण के लिए, पिछला प्रदर्शन बाजार पूंजीकरण से संबंधित हो सकता है, क्योंकि जिन शेयरों ने अतीत में अच्छा प्रदर्शन किया है, उनके बाजार मूल्यों में वृद्धि होगी। दूसरे शब्दों में, जब दो स्वतंत्र चर अत्यधिक सहसंबद्ध होते हैं तो बहुसंख्याता अस्तित्व में हो सकती है। यह तब भी हो सकता है जब डेटा सेट में अन्य चर से एक स्वतंत्र चर की गणना की जाती है या यदि दो स्वतंत्र चर समान और दोहराव वाले परिणाम प्रदान करते हैं।
मल्टीकोलिनरिटी की समस्या को दूर करने के सबसे आम तरीकों में से एक है, पहले कोलियर स्वतंत्र चर की पहचान करना और फिर सभी को हटा देना। दो या दो से अधिक कोलीनियर चर को एक एकल चर में मिलाकर बहुकोशिकीयता को समाप्त करना भी संभव है। सांख्यिकीय विश्लेषण तब निर्दिष्ट निर्भर चर और केवल एक स्वतंत्र चर के बीच संबंधों का अध्ययन करने के लिए आयोजित किया जा सकता है।
मल्टीकोलिनरिटी का उदाहरण
निवेश के लिए, एक शेयर या कमोडिटी भविष्य जैसे सुरक्षा के संभावित भविष्य के मूल्य आंदोलनों की भविष्यवाणी करने के लिए तकनीकी विश्लेषण का प्रदर्शन करते समय मल्टीकोलिनरिटी एक सामान्य विचार है। बाजार विश्लेषक तकनीकी संकेतकों का उपयोग करने से बचना चाहते हैं जो इस बात से टकराते हैं कि वे बहुत समान या संबंधित इनपुट पर आधारित हैं; वे मूल्य आंदोलन के आश्रित चर के संबंध में इसी तरह की भविष्यवाणियों को प्रकट करते हैं। इसके बजाय, बाजार विश्लेषण को अलग-अलग स्वतंत्र चर पर आधारित होना चाहिए ताकि यह सुनिश्चित हो सके कि वे अलग-अलग स्वतंत्र विश्लेषणात्मक दृष्टिकोण से बाजार का विश्लेषण करते हैं।
प्रख्यात तकनीकी विश्लेषक जॉन बोलिंगर, बोलिंगर बैंड संकेतक के निर्माता, ध्यान दें कि "तकनीकी विश्लेषण के सफल उपयोग के लिए एक कार्डिनल नियम के लिए संकेतक के बीच मल्टीकोलिनरिटी से बचने की आवश्यकता होती है।"
समस्या को हल करने के लिए, विश्लेषक एक ही प्रकार के दो या अधिक तकनीकी संकेतकों का उपयोग करने से बचते हैं। इसके बजाय, वे एक प्रकार के संकेतक का उपयोग करके एक सुरक्षा का विश्लेषण करते हैं, जैसे एक गति सूचक और फिर एक अलग प्रकार के संकेतक का उपयोग करके अलग-अलग विश्लेषण करते हैं, जैसे कि प्रवृत्ति संकेतक।
संभावित मल्टीकोलिनियरिटी समस्या का एक उदाहरण केवल कई समान संकेतकों का उपयोग करके तकनीकी विश्लेषण कर रहा है, जैसे स्टोचस्टिक, सापेक्ष शक्ति सूचकांक (आरएसआई), और विलियम्स% आर, जो सभी गति संकेतक हैं जो समान इनपुट पर भरोसा करते हैं और समान उत्पादन की संभावना रखते हैं परिणाम है। इस मामले में, सभी संकेतकों में से एक को हटाने के लिए बेहतर है या उनमें से कई को सिर्फ एक संकेतक में विलय करने का एक तरीका ढूंढना है, जबकि एक प्रवृत्ति संकेतक को भी जोड़ना है जो गति संकेतक के साथ अत्यधिक सहसंबद्ध होने की संभावना नहीं है।
