Daudzkrāsainība
Daudzkrāsainība ir daudzo regresijas modeļa lielu savstarpējo saistību parādīšanās starp neatkarīgiem mainīgajiem. Daudzkrāsainība var radīt šķībus vai maldinošus rezultātus, kad pētnieks vai analītiķis mēģina noteikt, cik labi katru neatkarīgo mainīgo var visefektīvāk izmantot, lai prognozētu vai izprastu atkarīgo mainīgo statistiskajā modelī. Kopumā daudzkolīniskums var izraisīt lielākus ticamības intervālus un mazāk ticamas varbūtības vērtības (P vērtības) neatkarīgajiem mainīgajiem.
DAUDZDZINĀŠANA DAUDZKOLOLĒRITĀTE
Statistikas analītiķi izmanto vairākus regresijas modeļus, lai prognozētu noteikta atkarīgā mainīgā lielumu, pamatojoties uz divu vai vairāku neatkarīgu mainīgo vērtībām. Atkarīgo mainīgo dažreiz sauc par iznākuma, mērķa vai kritērija mainīgo. Daudzkrāsainība daudzkārtējās regresijas modelī norāda, ka kolineārie neatkarīgi mainīgie ir zināmā mērā saistīti, lai gan attiecības var būt vai nebūt gadījuma rakstura.
Viens no visizplatītākajiem veidiem, kā pētījumā novērst daudzkolīniskuma problēmu, ir vispirms identificēt kolināros neatkarīgos mainīgos un pēc tam noņemt visus, izņemot vienu. Ir iespējams arī novērst daudzkolīniju, apvienojot divus vai vairākus kolineārus mainīgos vienā mainīgā lielumā. Pēc tam var veikt statistisko analīzi, lai izpētītu saistību starp norādīto atkarīgo mainīgo un tikai vienu neatkarīgo mainīgo.
Daudzkoloģiskums investīcijās
Veicot tehnisko analīzi, lai veiktu ieguldījuma vērtspapīru, piemēram, akciju vai preču, nākotnes cenu svārstības, parasti veicot ieguldījumus, tiek ņemta vērā daudzkodolitāte. Tirgus analītiķi vēlas izvairīties no tehnisko rādītāju izmantošanas, kas ir kolineāri, jo to pamatā ir ļoti līdzīgi vai saistīti dati; tie mēdz atklāt līdzīgas prognozes par cenu kustības atkarīgo mainīgo. Tā vietā viņi vēlas veikt tirgus analīzi, pamatojoties uz ievērojami atšķirīgiem neatkarīgiem mainīgiem lielumiem, kas attiecas uz dažādiem tehniskiem rādītājiem, lai nodrošinātu, ka viņi analizē tirgu no dažādiem neatkarīgiem analītiskiem viedokļiem.
Ievērojamais tehniskais analītiķis Džons Bollingers, Bollinger Bands indikatora izveidotājs, norāda, ka "kardināls noteikums veiksmīgai tehniskās analīzes izmantošanai prasa izvairīties no daudzkolīniskuma rādītājiem".
Lai izvairītos no daudzkolīniskuma problēmas, analītiķi izvairās izmantot divus vai vairākus viena veida tehniskos rādītājus. Tā vietā viņi analizē vērtspapīru, izmantojot viena veida indikatorus, piemēram, impulsa indikatoru, un pēc tam veic atsevišķu analīzi, izmantojot cita veida indikatorus, piemēram, tendences indikatoru. Potenciālas daudzkolīniskuma problēmas piemērs ir tehniskās analīzes veikšana, izmantojot tikai vairākus līdzīgus indikatorus, piemēram, stohastiku, relatīvā stipruma indeksu (RSI) un Williams% R, kas visi ir impulsa indikatori, kuri paļaujas uz līdzīgām izejvielām un, domājams, ražos līdzīgus rezultāti.
Investīciju kontu salīdzināšana Piegādātāja nosaukums Apraksts Reklāmdevēja atklāšana × Piedāvājumi, kas parādās šajā tabulā, ir no partnerībām, no kurām Investtopedia saņem kompensāciju.