Varyans Şişirme Faktörü (VIF)
Variance Inflation Factor (VIF) · Ayrıca şöyle bilinir: VIF, Variance Inflation Index, Multicollinearity Inflation Factor, Varyans Enflasyon Faktörü
Varyans Şişirme Faktörü (VIF), Donald Marquardt (1970) tarafından önerilen ve bir adi en küçük kareler modelindeki tahmin ediciler arasındaki doğrusal bağımlılık—çoklu doğrusal bağlantı—nedeniyle tahmin edilen bir regresyon katsayısının varyansının ne kadar arttığını ölçen skaler bir tanısal istatistiktir. Analistlerin iki veya daha fazla bağımsız değişkenin, katsayı tahminlerini istikrarsızlaştıracak kadar yakından birlikte hareket ettiğinden şüphelendiği durumlarda ekonometri, sosyal bilimler ve biyomedikal araştırmalarda rutin olarak uygulanır.
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 kukla kodlu tahmin edicinin doğrusal olarak ilişkili olabileceği durumlarda bir OLS veya genelleştirilmiş doğrusal model uydurduktan sonra VIF uygulayın. Önkoşullar arasında doğrusal model belirtimi, sürekli veya ikili tahmin ediciler ve en azından yaklaşık olarak OLS varsayımlarını karşılayan artıklar bulunur. VIF, merkezleme yapılmadan saf etkileşim veya polinom terimler için uygun değildir ve doğrusal olmayan bağımlılıkları ele almaz. VIF ciddi çoklu doğrusal bağlantıyı işaret ettiğinde, çözüm olarak yama regresyonu, ana bileşen regresyonu, değişken seçimi veya daha fazla veri toplama düşünülebilir.
Güçlü yönler & sınırlılıklar
- Hesaplanması ve yorumlanması basittir: her tahminci için tek bir sayı, bağlantı ciddiyetini özetler.
- Ruhunda modelden bağımsızdır: uygun uzantılarla OLS, lojistik ve diğer GLM bağlamlarına uygulanabilir.
- Katsayı varyans şişirmesiyle doğrudan bağlantılıdır, bu da ona net bir istatistiksel yorum kazandırır.
- Tüm büyük istatistiksel yazılımlarda yaygın olarak uygulanmıştır, bu da ekipler arasında tekrarlanabilirliği sağlar.
- Önceden uydurulmuş bir regresyon modeli gerektirir; bu, bir ön tarama aracı değil, bir uyum sonrası tanılama aracıdır.
- Model belirtimine duyarlıdır: ilgisiz değişkenleri dahil etmek veya önemli olanları hariç tutmak VIF değerlerini bozar.
- Geleneksel eşikler (5 veya 10) evrensel teorik gerekçesi olmayan kaba kurallardır.
- Bağlantıya neden olan tahmincilerin hangi alt kümesini belirlemez—sadece belirli bir tahmincinin dahil olduğunu gösterir.
SSS
Hangi VIF değeri bir sorunu gösterir?
Evrensel olarak kabul edilmiş bir eşik yoktur. 1 VIF'lik bir değer kolerasyon olmadığını gösterir; 1 ile 5 arasındaki değerler genellikle kabul edilebilir olarak kabul edilir; 5 ile 10 arasındaki değerler dikkat gerektirebilecek orta düzeyde kolerasyon önerir; 10'un üzerindeki değerler, standart hataları anlamlı şekilde şişirebilen ve katsayı tahminlerini istikrarsızlaştırabilen ciddi kolerasyon kanıtı olarak yaygın şekilde kabul edilir. Bazı katı disiplinler endişe için kesme noktası olarak 5 kullanır.
Yüksek bir VIF, regresyon katsayılarımın yanlış olduğu anlamına mı geliyor?
Hayır. Klasik varsayımlar altında çoklu doğrusal bağlantı, OLS katsayı tahminlerini yanlı yapmaz—tahminler yanlı ve tutarlı kalır. Yüksek VIF'nin işaret ettiği şey, etkilenen katsayıların standart hatalarının büyük olması, istatistiksel gücü azaltması ve bireysel katsayıları istatistiksel olarak kırılgan hale getirmesidir. Bireysel VIF'ler yüksek olsa bile genel model uyumu (R², F-istatistiği) geçerli ve güvenilir olabilir.
VIF, durum indeksi ile nasıl ilişkilidir?
Her ikisi de çoklu doğrusal bağlantıyı teşhis eder ancak farklı bakış açılarından. VIF tahminciye özgüdür: bir katsayının varyans şişirmesini tek tek ne kadar etkilediğini ölçer. Durum indeksi matris düzeyindedir: birkaç tahminciyi aynı anda içerebilecek neredeyse doğrusal bağımlılıkları tespit etmek için ölçeklenmiş X'X matrisinin özdeğerlerini inceler. Her ikisini birlikte kullanmak, tek başına olduğundan daha eksiksiz bir kolerasyon yapısı resmi verir.
Kaynaklar
- Marquardt, D. W. (1970). Generalized inverses, ridge regression, biased linear estimation, and nonlinear estimation. Technometrics, 12(3), 591–612. DOI: 10.1080/00401706.1970.10488699 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Variance Inflation Factor (VIF). ScholarGate. https://scholargate.app/tr/econometrics/variance-inflation-factor
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Belsley Kolineralite Tanılamaları - Koşul İndeksiEkonometri↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Ridge Regression (Sırt Regresyonu)Makine öğrenmesi↔ karşılaştır