ما هو عامل التضخم الفرق؟
تضخم التباين - عامل تضخم التباين (VIF) هو مقياس لمقدار الخط متعدد الخطوط في مجموعة من متغيرات الانحدار المتعددة. رياضياً ، يساوي VIF لمتغير نموذج الانحدار نسبة التباين الكلي للنموذج إلى تباين نموذج يتضمن ذلك المتغير المستقل الوحيد. يتم حساب هذه النسبة لكل متغير مستقل. يشير مؤشر VIF العالي إلى أن المتغير المستقل المرتبط يرتبط بشكل كبير بالمتغيرات الأخرى في النموذج.
الماخذ الرئيسية
- يوفر عامل تضخم التباين (VIF) مقياسًا للعديد من الخطوط المتداخلة بين المتغيرات المستقلة في نموذج الانحدار المتعدد. يعتبر اكتشاف الخط متعدد الخطوط أمرًا مهمًا لأنه على الرغم من أنه لا يقلل من القدرة التوضيحية للنموذج ، إلا أنه يقلل من الأهمية الإحصائية للمتغيرات المستقلة. يشير مؤشر VIF الكبير في متغير مستقل إلى وجود علاقة خطية متداخلة للغاية مع المتغيرات الأخرى التي يجب أخذها في الاعتبار أو تعديلها في بنية النموذج واختيار المتغيرات المستقلة.
فهم عامل تضخم التباين
يتم استخدام الانحدار المتعدد عندما يريد الشخص اختبار تأثير متغيرات متعددة على نتيجة معينة. المتغير التابع هو النتيجة التي يتم التعامل معها بواسطة المتغيرات المستقلة ، والتي هي المدخلات في النموذج. يوجد خط متعدد الخطوط عندما يكون هناك علاقة خطية ، أو ارتباط ، بين واحد أو أكثر من المتغيرات أو المدخلات المستقلة. تخلق العلاقة متعددة الخطية مشكلة في الانحدار المتعدد ، نظرًا لأن المدخلات كلها تؤثر على بعضها البعض ، فهي ليست مستقلة فعليًا ، ومن الصعب اختبار مقدار تأثير مجموعة المتغيرات المستقلة على المتغير التابع ، أو النتيجة ، داخل نموذج الانحدار. من الناحية الإحصائية ، فإن نموذج الانحدار المتعدد حيث يوجد عدد كبير من الخطية المتعددة سيجعل من الصعب تقدير العلاقة بين كل من المتغيرات المستقلة والمتغير التابع. يمكن أن تؤدي التغييرات الصغيرة في البيانات المستخدمة أو في بنية معادلة النموذج إلى حدوث تغييرات كبيرة وغير منتظمة في المعاملات المقدرة على المتغيرات المستقلة.
لضمان تحديد النموذج بشكل صحيح وعمله بشكل صحيح ، هناك اختبارات يمكن تشغيلها من أجل متعددة الخطوط المتداخلة. عامل تضخم التباين هو أحد أدوات القياس هذه. يساعد استخدام عوامل تضخم التباين على تحديد مدى خطورة أي مشكلات متعددة الخطية بحيث يمكن ضبط النموذج. يقيس عامل تضخم التباين مقدار تأثير (أو تباين) سلوك المتغير المستقل ، أو تضخيمه ، على تفاعله / ارتباطه مع المتغيرات المستقلة الأخرى. تسمح عوامل تضخم التباين بإجراء قياس سريع لمدى مساهمة المتغير في الخطأ القياسي في الانحدار. عند وجود مشكلات متعددة متعددة الخطى ، سيكون عامل تضخم التباين كبيرًا جدًا للمتغيرات المعنية. بعد تحديد هذه المتغيرات ، يمكن استخدام عدة طرق للتخلص من المتغيرات الخطية أو دمجها ، وحل مشكلة الخط متعدد الخطوط.
على الرغم من أن الخطية المتعددة لا تقلل من القدرة التنبؤية الشاملة للنموذج ، إلا أنه يمكن أن ينتج تقديرات لمعاملات الانحدار التي ليست ذات دلالة إحصائية. بمعنى ما ، يمكن اعتباره كنوع من العد المزدوج في النموذج. عندما يرتبط اثنان أو أكثر من المتغيرات المستقلة ارتباطًا وثيقًا أو يقيسان نفس الشيء تقريبًا ، فإن التأثير الأساسي الذي يقيسونه يتم حسابه مرتين (أو أكثر) عبر المتغيرات ، ويصبح من الصعب أو المستحيل تحديد المتغير الذي يؤثر حقًا على متغير مستقل. هذه مشكلة لأن الهدف من العديد من النماذج الاقتصادية هو اختبار هذا النوع من العلاقة الإحصائية بالضبط بين المتغيرات المستقلة والمتغير التابع.
على سبيل المثال ، إذا أراد خبير اقتصادي اختبار ما إذا كانت هناك علاقة ذات دلالة إحصائية بين معدل البطالة (كمتغير مستقل) ومعدل التضخم (كمتغير تابع). بما في ذلك المتغيرات المستقلة الإضافية المرتبطة بمعدل البطالة ، من المحتمل أن تؤدي مطالبات البطالة الأولية الجديدة إلى إدخال خط متعدد الخطوط في النموذج. قد يُظهر النموذج الإجمالي قوة تفسيرية قوية وكافية من الناحية الإحصائية ، لكنه لن يكون قادرًا على تحديد ما إذا كان التأثير يرجع في الغالب إلى معدل البطالة أو مطالبات البطالة الأولية الجديدة. هذا هو ما ستكتشفه VIF ، وقد يشير إلى احتمال إسقاط أحد المتغيرات من النموذج أو إيجاد طريقة لتوحيدها لالتقاط تأثيرها المشترك ، اعتمادًا على الفرضية المحددة التي يهتم بها الباحث في الاختبار.
