Çoklu Doğrusallık (Tanım, Türler) | Açıklamalı İlk 3 Örnek

Multicollinearity nedir?

Çoklu bağlantı, bir regresyon modelindeki iki veya daha fazla değişkenin, birinin diğerinden yüksek bir doğruluk derecesi ile doğrusal olarak tahmin edilebilecek şekilde diğer değişkenlere bağımlı olduğu istatistiksel bir olgudur. Genellikle gözlemsel çalışmalarda kullanılır ve deneysel çalışmalarda daha az popülerdir.

Çoklu Doğrusallık Türleri

Dört tür Çoklu Doğrusallık vardır

  • # 1 - Mükemmel Çoklu Doğrusallık - Denklemdeki bağımsız değişkenler mükemmel doğrusal ilişkiyi tahmin ettiğinde ortaya çıkar.
  • # 2 - Yüksek Çoklu Doğrusallık - Birbiriyle mükemmel bir şekilde ilişkilendirilmemiş iki veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi ifade eder.
  • # 3 - Yapısal Çoklu Doğrusallık - Bu, araştırmacının kendisinin denkleme farklı bağımsız değişkenler eklemesinden kaynaklanır.
  • # 4 - Veriye Dayalı Çoklu Bağlantı - Araştırmacı tarafından kötü tasarlanmış deneylerden kaynaklanır.

Çoklu Doğrusallığın Nedenleri

Bağımsız Değişkenler, Değişkenlerin parametrelerindeki değişiklikler, değişkenlerdeki küçük bir değişikliğin sonuç üzerinde önemli bir etkiye sahip olmasını sağlar ve Veri Koleksiyonları, alınan Seçilmiş popülasyonun örneklemini ifade eder.

Çoklu Doğrusallık Örnekleri

Örnek 1

Hindistan'daki hastalıklarla ilgili araştırma hizmetleri ve istatistiksel analiz sağlamak için bir ilaç şirketi tarafından ABC Ltd'ye bir KPO'nun kiralandığını varsayalım. Bunun için ABC ltd prima facie parametreleri olarak yaş, kilo, meslek, boy ve sağlığı seçmiştir.

  • Yukarıdaki örnekte, çalışma için seçilen bağımsız değişkenler doğrudan sonuçlarla ilişkilendirildiği için çoklu bağlantı durumu vardır. bu nedenle, araştırmacının herhangi bir projeye başlamadan önce değişkenleri ayarlaması tavsiye edilir çünkü burada seçilen değişkenler nedeniyle sonuçlar doğrudan etkilenecektir.

Örnek 2

ABC Ltd'nin pazarda hangi kategoride tata motorlarının satış hacminin yüksek olacağını anlamak için Tata Motors tarafından atandığını varsayalım.

  • Yukarıdaki örnekte, öncelikle bağımsız değişkenler, araştırmanın tamamlanması gereken temel alınarak sonuçlandırılacaktır. aylık gelir, yaş olabilir. marka, alt sınıf. Bu, yalnızca, bu arabayı (tata nano) kaç kişinin başka bir arabaya bakmadan satın alabileceğini bulmak için tüm bu sekmelere uyacak verilerin seçileceği anlamına gelir.

Örnek 3

ABC Ltd'nin 50 yaşın altındaki kaç kişinin kalp krizi geçirmeye yatkın olduğunu bilmek için bir rapor sunmak üzere işe alındığını varsayalım. bunun için parametreler yaş, cinsiyet, tıbbi geçmiş

  • Yukarıdaki örnekte, 50 yaşın üzerindeki kişilerin otomatik olarak filtrelenmesi için halktan başvuruları davet etmek için bağımsız değişken "yaş" ın 50 yaşın altına ayarlanması gerektiğinden ortaya çıkan çoklu bağlantı vardır.

Avantajlar

Avantajlardan bazıları aşağıdadır

  • Denklemdeki Bağımsız Değişkenler Arasındaki Doğrusal İlişki.
  • Araştırmaya dayalı firmalar tarafından hazırlanan istatistiksel modellerde ve araştırma raporlarında çok kullanışlıdır.
  • İstenilen sonuca doğrudan etki.

Dezavantajları

Aşağıda bazı Dezavantajlar var

  • Bazı durumlarda, değişkenler hakkında daha fazla veri toplanarak bu sorun çözülebilir.
  • Kukla değişkenlerin yanlış kullanımı, yani araştırmacı, gerektiğinde kukla değişkenleri kullanmayı unutabilir.
  • Denklemde ağırlık olarak kg ve lbs gibi 2 aynı veya aynı değişken ekleme.
  • Denklemde 2'nin bir kombinasyonu olan bir değişken eklemek.
  • İstatistiksel bir teknik olduğundan ve yürütmeyi yapmak için istatistiksel hesaplayıcılar gerektirdiğinden, hesaplamaları yapmak karmaşıktır.

Sonuç

Çoklu bağlantı, büyük veritabanları ve istenen çıktı için regresyon analizi ve istatistiksel analizde sıklıkla kullanılan en çok tercih edilen istatistiksel araçlardan biridir. Tüm büyük şirketlerin şirketlerinde, yönetime pazarın stratejik bir görünümünü sağlamak ve aynı zamanda uzun vadeli stratejilerini bu akılda tutarak tasarlamalarına yardımcı olmak için ürünler veya insanlar hakkında istatistiksel regresyon analizi yapmak için ayrı bir istatistik departmanı vardır. Analizin grafik sunumu okuyucuya doğrudan ilişki, doğruluk ve performansın net bir resmini verir.

  • Araştırmacının amacı denklemdeki bağımsız değişkenleri anlamaksa, o zaman çoklu bağlantı onun için büyük bir problem olacaktır.
  • Araştırmacının değişkenlerde gerekli değişiklikleri aşama 0'da kendisi yapması gerekir, aksi takdirde sonuçlar üzerinde büyük bir etkisi olabilir.
  • Çoklu bağlantı, korelasyon matrisi incelenerek yapılabilir.
  • Düzeltici önlemler, çoklu bağlantı problemlerinin çözümünde önemli bir rol oynar.