Почему мультиколлинеарность является серьезной проблемой при разработке прогностических моделей?

Мультиколлинеарность является серьёзной проблемой при разработке прогностических моделей, потому что приводит к неточным и ненадёжным расчётам коэффициентов регрессии. fin-accounting.ru

Это происходит из-за того, что при сильной корреляции двух регрессоров в выборке они, как правило, меняются одновременно, и трудно отличить влияние одного регрессора на зависимую переменную от влияния другого. books.econ.msu.ru

Некоторые другие последствия мультиколлинеарности:

• Большие дисперсии оценок (стандартные ошибки). studizba.com Это затрудняет нахождение истинных значений определяемых величин и расширяет интервальные оценки, ухудшая их точность. studizba.com
• Уменьшение t-статистик коэффициентов. studizba.com Это может привести к неоправданному выводу о существенности влияния объясняющей переменной на зависимую. studizba.com
• Оценки коэффициентов и их стандартные ошибки становятся очень чувствительными к малейшим изменениям данных, то есть они неустойчивы. studizba.com
• Затрудняется определение вклада каждой из объясняющих переменных в объясняемую уравнением регрессии дисперсию зависимой переменной. studizba.com
• Возможно получение неверного знака у коэффициента регрессии. studizba.com