Belsley Kolineralite Tanılamaları - Koşul İndeksi
Condition Index (Belsley Collinearity Diagnostics) · Ayrıca şöyle bilinir: Belsley Condition Index, Collinearity Condition Index, Singular Value Condition Index, Koşul İndeksi
Belsley, Kuh ve Welsch (1980) tarafından tanıtılan Koşul İndeksi, ölçeklendirilmiş yordayıcı matrisinin tekil değer ayrışımından türetilen skaler bir ölçümdür. Bu indeks, en küçük kareler regresyonunda yordayıcılar arasındaki yakın-doğrusal bağımlılığın derecesini ölçerek, katsayı varyansını şişiren ve parametre tahminlerini istikrarsızlaştıran kolineriteyi tespit etmeyi sağlar. En küçük kareler regresyonunun uygulandığı her yerde ekonomi, sosyal bilimler ve biyomedikal araştırmalarda yaygın olarak kullanılır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
İki veya daha fazla sürekli veya ikili yordayıcı ile En Küçük Kareler regresyonu uydururken ve yakın-doğrusal bağımlılıktan şüphelenirken Koşul İndeksini uygulayın. VIF değerleri sonuçsuz kaldığında veya analist sadece varlığını doğrulamak yerine hangi belirli yordayıcıların bir koliner ilişkiye dahil olduğunu belirlemek istediğinde özellikle değerlidir. Yöntem, tasarım matrisinin sütun ölçekli olduğunu varsayar; artıkların normalliğini gerektirmez. Başlıca bileşen regresyonu veya tepe regresyonunun tercih edilebilir alternatifler olabileceği yüksek seyrek veya çok yüksek boyutlu ayarlar için daha az uygundur.
Güçlü yönler & sınırlılıklar
- Sadece toplu bir ölçüm değil, aynı anda birden fazla farklı yakın-bağımlılığın sayısını ve ciddiyetini belirler
- Varyans ayrıştırma oranları, her bir koliner ilişkiye hangi yordayıcıların katıldığını tam olarak belirler
- Sütun dengeleme, ham özdeğer tabanlı indekslerin aksine, ölçekten bağımsız sonuçlar sağlar
- Eşik değerleri (15 ve 30) ampirik olarak temellendirilmiştir ve uygulamalı ekonometride yaygın olarak kabul edilmektedir
- Öznel eşik yorumlaması gerektirir; 30 kesme noktası bir kılavuzdur, bilinen bir Tip I hata oranına sahip bir istatistiksel test değildir
- Yordayıcı sayısının örneklem boyutuna yaklaştığı çok yüksek boyutlu ayarlarda performans düşer
- Doğrudan bir çözüm önermez; analistler merkezleme, tepe regresyonu veya başlıca bileşen regresyonunu ayrı olarak dikkate almalıdır
- Bir kesme sütununun dahil edilmesine duyarlıdır; onu tasarım matrisine dahil edip etmemek sonuçları etkiler
SSS
Koşul İndeksi, Varyans Büyütme Faktöründen (VIF) nasıl farklıdır?
VIF, tek bir yordayıcının varyansının diğer tüm yordayıcılarla olan doğrusal ilişkileri tarafından ne kadar şişirildiğini ölçen katsayı düzeyinde bir ölçümdür, ancak kaç tane farklı yakın-bağımlılığın var olduğunu veya hangi yordayıcı gruplarının ortaklaşa dahil olduğunu göstermez. Koşul İndeksi, varyans ayrıştırma oranlarıyla birlikte, her bir yakın-bağımlılığı ayrı ayrı belirler ve ona katılan belirli yordayıcıları adlandırır, bu da önemli ölçüde daha zengin tanılayıcı bilgi sunar.
Koşul İndeksi hesaplanırken kesme sütunu dahil edilmeli midir?
Belsley (1980), tam bir kolinerite analizi için ölçeklendirilmiş tasarım matrisine kesme sütununun dahil edilmesini açıkça önermektedir, çünkü kesme terimini merkezlemek veya hariç tutmak, polinom veya etkileşim modellerinde neredeyse mükemmel çoklu kolinerite gibi sabit terimi içeren kolineriteleri maskeleyebilir. Ancak, bazı yazılım uygulamaları varsayılan olarak kesme terimini hariç tutar, bu nedenle analistler sonuçları yorumlamadan önce uygulamanın kuralını doğrulamalıdır.
Koşul İndeksi 30'u aştığında hangi çözümler mevcuttur?
Yaygın çözümler arasında, yakın-doğrusal ilişkiyi kırmak için daha fazla veri toplamak, teori izin veriyorsa koliner yordayıcılardan birini kaldırmak, katsayıları kolinerite altında stabilize etmek için tepe regresyonu veya LASSO uygulamak veya korelasyonlu yordayıcıları dik yordayıcılarla değiştirmek için başlıca bileşen regresyonu kullanmak yer alır. Varyans ayrıştırma oranları, herhangi bir iyileştirme stratejisinde hangi yordayıcıların hedefleneceğini yönlendirir.
Kaynaklar
- Belsley, D. A., Kuh, E., & Welsch, R. E. (1980). Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. John Wiley & Sons. ISBN: 978-0-471-05856-4
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Condition Index (Belsley Collinearity Diagnostics). ScholarGate. https://scholargate.app/tr/econometrics/condition-index
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Varyans Şişirme Faktörü (VIF)Ekonometri↔ karşılaştır