మల్టీకాలినియారిటీ అంటే ఏమిటి?
బహుళ రిగ్రెషన్ మోడల్‌లో స్వతంత్ర చరరాశుల మధ్య అధిక పరస్పర సంబంధాలు సంభవించడం మల్టీకాలినియారిటీ. గణాంక నమూనాలో ఆధారపడిన వేరియబుల్‌ను అంచనా వేయడానికి లేదా అర్థం చేసుకోవడానికి ప్రతి స్వతంత్ర వేరియబుల్‌ను ఎంత సమర్థవంతంగా ఉపయోగించవచ్చో పరిశోధకుడు లేదా విశ్లేషకుడు ప్రయత్నించినప్పుడు మల్టీకాలినియారిటీ వక్రీకృత లేదా తప్పుదోవ పట్టించే ఫలితాలకు దారితీస్తుంది. సాధారణంగా, మల్టీకాలినియారిటీ విస్తృత విశ్వాస అంతరాలకు మరియు స్వతంత్ర చరరాశులకు తక్కువ విశ్వసనీయ సంభావ్యత విలువలకు దారితీస్తుంది. అంటే, మల్టీకాలినియారిటీ ఉన్న మోడల్ నుండి గణాంక అనుమితులు నమ్మదగినవి కాకపోవచ్చు.
మల్టీకాలినియారిటీని అర్థం చేసుకోవడం
రెండు లేదా అంతకంటే ఎక్కువ స్వతంత్ర చరరాశుల విలువల ఆధారంగా పేర్కొన్న ఆధారిత వేరియబుల్ యొక్క విలువను అంచనా వేయడానికి గణాంక విశ్లేషకులు బహుళ రిగ్రెషన్ మోడళ్లను ఉపయోగిస్తారు. డిపెండెంట్ వేరియబుల్‌ను కొన్నిసార్లు ఫలితం, లక్ష్యం లేదా ప్రమాణం వేరియబుల్ అని పిలుస్తారు. ఒక ఉదాహరణ మల్టీవియారిట్ రిగ్రెషన్ మోడల్, ఇది ధరల నుండి ఆదాయాల నిష్పత్తులు, మార్కెట్ క్యాపిటలైజేషన్, గత పనితీరు లేదా ఇతర డేటా వంటి అంశాల ఆధారంగా స్టాక్ రాబడిని to హించడానికి ప్రయత్నిస్తుంది. స్టాక్ రిటర్న్ డిపెండెంట్ వేరియబుల్ మరియు ఫైనాన్షియల్ డేటా యొక్క వివిధ బిట్స్ స్వతంత్ర వేరియబుల్స్.
కీ టేకావేస్
- మల్టీకాలినియారిటీ అనేది ఒక గణాంక భావన, ఇక్కడ ఒక మోడల్‌లో స్వతంత్ర చరరాశులు పరస్పర సంబంధం కలిగి ఉంటాయి. స్వతంత్ర చరరాశుల మధ్య మల్టీకాలినియారిటీ తక్కువ విశ్వసనీయ గణాంక అనుమితులకు దారి తీస్తుంది. రెండు లేదా అంతకంటే ఎక్కువ వేరియబుల్స్ ఉపయోగించే బహుళ రిగ్రెషన్ మోడళ్లను నిర్మించేటప్పుడు పరస్పర సంబంధం లేని లేదా పునరావృతం కాని స్వతంత్ర చరరాశులను ఉపయోగించడం మంచిది..
బహుళ రిగ్రెషన్ మోడల్‌లోని మల్టీకాలినియారిటీ కొల్లినియర్ ఇండిపెండెంట్ వేరియబుల్స్ కొన్ని పద్ధతిలో సంబంధం కలిగి ఉన్నాయని సూచిస్తుంది, అయినప్పటికీ సంబంధం సాధారణం కాకపోవచ్చు. ఉదాహరణకు, గత పనితీరు మార్కెట్ క్యాపిటలైజేషన్‌కు సంబంధించినది కావచ్చు, ఎందుకంటే గతంలో మంచి పనితీరు కనబరిచిన స్టాక్స్ మార్కెట్ విలువలను పెంచుతాయి. మరో మాటలో చెప్పాలంటే, రెండు స్వతంత్ర చరరాశులు అత్యంత పరస్పర సంబంధం కలిగి ఉన్నప్పుడు మల్టీకాలినియారిటీ ఉనికిలో ఉంటుంది. డేటా సెట్‌లోని ఇతర వేరియబుల్స్ నుండి స్వతంత్ర వేరియబుల్ లెక్కించబడితే లేదా రెండు స్వతంత్ర వేరియబుల్స్ సారూప్య మరియు పునరావృత ఫలితాలను అందిస్తే కూడా ఇది జరుగుతుంది.
మల్టీకాలినియారిటీ సమస్యను తొలగించే అత్యంత సాధారణ మార్గాలలో ఒకటి మొదట కొల్లినియర్ స్వతంత్ర చరరాశులను గుర్తించి, ఆపై అన్నింటినీ తొలగించడం. రెండు లేదా అంతకంటే ఎక్కువ కొల్లినియర్ వేరియబుల్స్‌ను ఒకే వేరియబుల్‌గా కలపడం ద్వారా మల్టీకాలినియారిటీని తొలగించడం కూడా సాధ్యమే. పేర్కొన్న డిపెండెంట్ వేరియబుల్ మరియు ఒకే స్వతంత్ర వేరియబుల్ మధ్య సంబంధాన్ని అధ్యయనం చేయడానికి గణాంక విశ్లేషణను నిర్వహించవచ్చు.
మల్టీకాలినియారిటీ యొక్క ఉదాహరణ
పెట్టుబడి కోసం, స్టాక్ లేదా వస్తువుల భవిష్యత్తు వంటి భద్రత యొక్క భవిష్యత్ ధరల కదలికలను అంచనా వేయడానికి సాంకేతిక విశ్లేషణ చేసేటప్పుడు మల్టీకాలినియారిటీ అనేది ఒక సాధారణ పరిశీలన. మార్కెట్ విశ్లేషకులు కోలినియర్ అయిన సాంకేతిక సూచికలను ఉపయోగించకుండా ఉండాలని కోరుకుంటారు, అవి చాలా సారూప్య లేదా సంబంధిత ఇన్‌పుట్‌లపై ఆధారపడి ఉంటాయి; వారు ధరల కదలిక యొక్క ఆధారిత వేరియబుల్ గురించి ఇలాంటి అంచనాలను బహిర్గతం చేస్తారు. బదులుగా, మార్కెట్ విశ్లేషణ వేర్వేరు స్వతంత్ర విశ్లేషణాత్మక దృక్కోణాల నుండి మార్కెట్‌ను విశ్లేషిస్తుందని నిర్ధారించడానికి వేర్వేరు స్వతంత్ర చరరాశులపై ఆధారపడి ఉండాలి.
ప్రముఖ సాంకేతిక విశ్లేషకుడు జాన్ బోలింగర్, బోలింగర్ బాండ్స్ సూచిక యొక్క సృష్టికర్త, "సాంకేతిక విశ్లేషణ యొక్క విజయవంతమైన ఉపయోగం కోసం ఒక కార్డినల్ నియమం సూచికల మధ్య మల్టీకాలినియారిటీని నివారించడం అవసరం" అని పేర్కొంది.
సమస్యను పరిష్కరించడానికి, విశ్లేషకులు ఒకే రకమైన రెండు లేదా అంతకంటే ఎక్కువ సాంకేతిక సూచికలను ఉపయోగించకుండా ఉంటారు. బదులుగా, వారు మొమెంటం ఇండికేటర్ వంటి ఒక రకమైన సూచికను ఉపయోగించి భద్రతను విశ్లేషిస్తారు మరియు తరువాత ధోరణి సూచిక వంటి వేరే రకం సూచికను ఉపయోగించి ప్రత్యేక విశ్లేషణ చేస్తారు.
సంభావ్య మల్టీకాలినియారిటీ సమస్యకు ఉదాహరణ, స్టోకాస్టిక్స్, సాపేక్ష బలం సూచిక (RSI) మరియు విలియమ్స్% R వంటి అనేక సారూప్య సూచికలను ఉపయోగించి సాంకేతిక విశ్లేషణ చేయడం, ఇవన్నీ ఒకే విధమైన ఇన్‌పుట్‌లపై ఆధారపడే మొమెంటం సూచికలు మరియు ఇలాంటివి ఉత్పత్తి చేసే అవకాశం ఉంది ఫలితాలు. ఈ సందర్భంలో, సూచికలలో ఒకదాన్ని మినహాయించి అన్నింటినీ తొలగించడం లేదా వాటిలో చాలా వాటిని కేవలం ఒక సూచికగా విలీనం చేయడానికి ఒక మార్గాన్ని కనుగొనడం మంచిది, అదే సమయంలో మొమెంటం సూచికతో ఎక్కువ సంబంధం కలిగి ఉండని ధోరణి సూచికను కూడా జతచేస్తుంది.
