multicollinearità

Cos'è la multicollinearità

La multicollinearità è il verificarsi di elevate intercorrelazioni tra variabili indipendenti in un modello di regressione multipla. La multicollinearità può portare a risultati distorti o fuorvianti quando un ricercatore o un analista tenta di determinare in che modo ciascuna variabile indipendente può essere utilizzata nel modo più efficace per prevedere o comprendere la variabile dipendente in un modello statistico. In generale, la multicollinearità può portare a intervalli di confidenza più ampi e valori di probabilità meno affidabili (valori P) per le variabili indipendenti.

RIPARTIZIONE Multicollinearità

Gli analisti statistici utilizzano più modelli di regressione per prevedere il valore di una variabile dipendente specificata in base ai valori di due o più variabili indipendenti. La variabile dipendente viene talvolta definita variabile di risultato, obiettivo o criterio. La multicollinearità in un modello di regressione multipla indica che le variabili indipendenti collineari sono in qualche modo correlate, sebbene la relazione possa essere o meno casuale.

Uno dei modi più comuni per eliminare il problema della multicollinearità in uno studio è identificare prima le variabili indipendenti collineari e quindi rimuovere tutte tranne una. È anche possibile eliminare la multicollinearità combinando due o più variabili collineari in una singola variabile. È quindi possibile condurre analisi statistiche per studiare la relazione tra la variabile dipendente specificata e solo una singola variabile indipendente.

Multicollinearità negli investimenti

Per gli investimenti, la multicollinearità è una considerazione comune quando si esegue un'analisi tecnica per prevedere i probabili futuri movimenti dei prezzi di un titolo, come un titolo o un futuro di materie prime. Gli analisti di mercato vogliono evitare di utilizzare indicatori tecnici collineari in quanto basati su input molto simili o correlati; tendono a rivelare previsioni simili riguardo alla variabile dipendente del movimento dei prezzi. Invece, vogliono eseguire un'analisi di mercato basata su variabili indipendenti marcatamente diverse che si riferiscono a vari indicatori tecnici per garantire che analizzino il mercato da diversi punti di vista analitici indipendenti.

Il noto analista tecnico John Bollinger, creatore dell'indicatore Bollinger Bands, osserva che "una regola cardinale per un uso efficace dell'analisi tecnica richiede di evitare la multicollinearità tra gli indicatori".

Per evitare il problema della multicollinearità, gli analisti evitano di utilizzare due o più indicatori tecnici dello stesso tipo. Al contrario, analizzano una sicurezza utilizzando un tipo di indicatore, come un indicatore di momentum, e quindi eseguono analisi separate utilizzando un diverso tipo di indicatore, come un indicatore di tendenza. Un esempio di un potenziale problema di multicollinearità è l'esecuzione di analisi tecniche solo utilizzando diversi indicatori simili, come lo stocastico, l'indice di forza relativa (RSI) e Williams% R, che sono tutti indicatori di momentum che si basano su input simili e che probabilmente producono simili risultati.

Confronta i conti di investimento Nome del fornitore Descrizione Descrizione dell'inserzionista × Le offerte che compaiono in questa tabella provengono da società di persone da cui Investopedia riceve un compenso.

Termini correlati

Come funziona il metodo dei minimi quadrati Il metodo dei minimi quadrati è una tecnica statistica per determinare la linea di adattamento migliore per un modello, specificata da un'equazione con determinati parametri ai dati osservati. più R-quadrato R-quadrato è una misura statistica che rappresenta la proporzione della varianza per una variabile dipendente spiegata da una variabile indipendente. altro Come le correlazioni seriali si applicano ai movimenti di titoli La correlazione seriale è la relazione tra una variabile e una versione ritardata di se stesso su vari intervalli di tempo. Viene spesso utilizzato dagli analisti finanziari per determinare in che misura il prezzo passato di un titolo preveda il prezzo futuro. altro Come funziona la regressione lineare multipla La regressione lineare multipla (MLR) è una tecnica statistica che utilizza diverse variabili esplicative per prevedere l'esito di una variabile di risposta. altro Fattore di inflazione della varianza Il fattore di inflazione della varianza è una misura della quantità di multicollinearità in un insieme di variabili di regressione multiple. altro Come funzionano le statistiche Le statistiche sono un tipo di analisi matematica che rappresenta modelli e riassunti quantificabili per un dato insieme di dati empirici o osservazioni del mondo reale. più collegamenti dei partner