বৈচিত্র্য মুদ্রাস্ফীতি ফ্যাক্টর সংজ্ঞা

একটি বৈচিত্র্য মুদ্রাস্ফীতি ফ্যাক্টর কি?

ভেরিয়েন্স মুদ্রাস্ফীতি f ভারিয়েন্স্ মুদ্রাস্ফীতি ফ্যাক্টর (ভিআইএফ) হ'ল একাধিক রিগ্রেশন ভেরিয়েবলের সেটগুলিতে বহুবিশেষের পরিমাণের একটি পরিমাপ। গাণিতিকভাবে, একটি রিগ্রেশন মডেল ভেরিয়েবলের জন্য ভিআইএফ একটি মডেলের বৈকল্পিকের সামগ্রিক মডেলের পরিবর্তনের অনুপাতের সমান যেখানে কেবলমাত্র একক স্বাধীন ভেরিয়েবল অন্তর্ভুক্ত includes এই অনুপাত প্রতিটি স্বতন্ত্র ভেরিয়েবলের জন্য গণনা করা হয়। একটি উচ্চ ভিআইএফ নির্দেশ করে যে সম্পর্কিত স্বতন্ত্র ভেরিয়েবলটি মডেলের অন্যান্য ভেরিয়েবলগুলির সাথে অত্যন্ত কোলাইনারি হয়।

কী Takeaways

• একটি বৈকল্পিক মূল্যস্ফীতি ফ্যাক্টর (ভিআইএফ) একাধিক রিগ্রেশন মডেলের স্বতন্ত্র ভেরিয়েবলগুলির মধ্যে একাধিক বহুবিধ লাইন সরবরাহ করে mult বহুবিধ লাইনটি সনাক্তকরণ গুরুত্বপূর্ণ কারণ এটি মডেলের ব্যাখ্যামূলক শক্তি হ্রাস না করে, এটি স্বাধীন ভেরিয়েবলের পরিসংখ্যানিক তাত্পর্য হ্রাস করে। একটি স্বাধীন ভেরিয়েবলের উপর একটি বৃহত ভিআইএফ অন্যান্য ভেরিয়েবলের সাথে একটি উচ্চতর প্রান্তিক সম্পর্ক নির্দেশ করে যা মডেলটির কাঠামোর কাঠামোর জন্য বিবেচিত বা সমন্বয় করা উচিত এবং স্বাধীন ভেরিয়েবলগুলি নির্বাচন করা উচিত।

একটি বৈকল্পিক মূল্যস্ফীতি ফ্যাক্টর বোঝা

যখন কোনও ব্যক্তি নির্দিষ্ট ফলাফলের উপর একাধিক ভেরিয়েবলের প্রভাব পরীক্ষা করতে চায় তখন একাধিক রিগ্রেশন ব্যবহৃত হয়। নির্ভরশীল পরিবর্তনশীল হ'ল ফলাফলটি যা স্বাধীন ভেরিয়েবলগুলি দ্বারা অভিনয় করা হচ্ছে, যা মডেলটির ইনপুট। এক বা একাধিক স্বতন্ত্র ভেরিয়েবল বা ইনপুটগুলির মধ্যে যখন একটি রৈখিক সম্পর্ক, বা পারস্পরিক সম্পর্ক থাকে তখন বহুবিধ লাইনারিটি বিদ্যমান। মাল্টিকোলাইনারিটি একাধিক রিগ্রেশনে সমস্যা তৈরি করে কারণ ইনপুটগুলি সমস্ত একে অপরকে প্রভাবিত করছে তাই তারা প্রকৃতপক্ষে স্বতন্ত্র নয় এবং স্বাধীন ভেরিয়েবলগুলির সংমিশ্রণটি পরিবর্তনশীল মডেলের মধ্যে নির্ভরশীল পরিবর্তনশীল বা ফলাফলকে কতটা প্রভাবিত করে তা পরীক্ষা করা কঠিন test । পরিসংখ্যানের ভাষায়, একাধিক রিগ্রেশন মডেল যেখানে উচ্চ বহুবিধ লাইন রয়েছে সেখানে প্রতিটি পৃথক ভেরিয়েবল এবং নির্ভরশীল ভেরিয়েবলের মধ্যকার সম্পর্ক অনুমান করা আরও কঠিন করে তুলবে। ব্যবহৃত উপায়ে বা মডেল সমীকরণের কাঠামোর ছোট পরিবর্তনগুলি স্বাধীন ভেরিয়েবলগুলিতে আনুমানিক সহগগুলির মধ্যে বৃহত্তর এবং বিস্মৃত পরিবর্তন আনতে পারে।

মডেলটি সঠিকভাবে নির্দিষ্ট করা হয়েছে এবং সঠিকভাবে কাজ করছে তা নিশ্চিত করার জন্য, বহু পরীক্ষা-নিরীক্ষার জন্য চালানো যেতে পারে এমন পরীক্ষা রয়েছে। বৈকল্পিক মূল্যস্ফীতি ফ্যাক্টর এমন একটি পরিমাপের সরঞ্জাম। বৈচিত্র্য মুদ্রাস্ফীতি কারণগুলি ব্যবহার করে যে কোনও বহুবিধ লাইন সম্পর্কিত সমস্যার তীব্রতা সনাক্ত করতে সহায়তা করে যাতে মডেলটি সামঞ্জস্য করা যায়। ভেরিয়েন্স মুদ্রাস্ফীতি ফ্যাক্টরটি পরিমাপ করে যে একটি স্বতন্ত্র ভেরিয়েবলের আচরণ (প্রকরণ) কতগুলি প্রভাবিত হয় বা স্ফীত হয়, তার সাথে অন্যান্য স্বতন্ত্র ভেরিয়েবলগুলির সাথে তার মিথস্ক্রিয়া / পারস্পরিক সম্পর্ক স্থাপন করে। বৈকল্পিক মূল্যস্ফীতি কারণগুলি একটি পরিবর্তনশীল কতটা রিগ্রেশন-এর মানক ত্রুটিতে অবদান রাখছে তার একটি দ্রুত পরিমাপের অনুমতি দেয়। যখন উল্লেখযোগ্য মাল্টিকোলাইনারিটির সমস্যাগুলি উপস্থিত থাকে, তখন জড়িত ভেরিয়েবলগুলির জন্য ভেরিয়েন্স মুদ্রাস্ফীতি ফ্যাক্টর খুব বড় হবে। এই ভেরিয়েবলগুলি শনাক্ত করার পরে, বহুবিধ লাইন সমস্যাটি সমাধান করে, কলিনারি ভেরিয়েবলগুলি মুছে ফেলার জন্য বা একত্রিত করার জন্য কয়েকটি পদ্ধতি ব্যবহার করা যেতে পারে।

যদিও মাল্টিকোলাইনারিটি কোনও মডেলের সামগ্রিক ভবিষ্যদ্বাণীপূর্ণ শক্তি হ্রাস করে না, তবে এটি রিগ্রেশন সহগের অনুমানগুলি তৈরি করতে পারে যা পরিসংখ্যানগতভাবে তাত্পর্যপূর্ণ নয়। এক অর্থে এটিকে মডেলটিতে এক ধরণের দ্বিগুণ গণনা হিসাবে ভাবা যেতে পারে। যখন দুটি বা ততোধিক স্বতন্ত্র ভেরিয়েবলগুলি প্রায় একই জিনিসটিকে ঘনিষ্ঠভাবে সম্পর্কিত বা পরিমাপ করে, তখন তারা যে মাপের অন্তর্নিহিত প্রভাবটি ভেরিয়েবলগুলি জুড়ে দ্বিগুণ (বা তার বেশি) হিসাবে গণনা করা হয় এবং কোন ভেরিয়েবলটি সত্যই প্রভাবিত করছে তা বলা মুশকিল বা অসম্ভব হয়ে যায় becomes স্বাধীন চলক. এটি একটি সমস্যা কারণ অনেক ইকোনোমেট্রিক মডেলের লক্ষ্য হ'ল স্বাধীন ভেরিয়েবল এবং নির্ভরশীল ভেরিয়েবলের মধ্যে এই ধরণের পরিসংখ্যানগত সম্পর্কের পরীক্ষা করা।

উদাহরণস্বরূপ, কোনও অর্থনীতিবিদ যদি পরীক্ষা করতে চান যে বেকারত্বের হার (স্বতন্ত্র ভেরিয়েবল হিসাবে) এবং মুদ্রাস্ফীতির হারের (নির্ভরশীল পরিবর্তনশীল হিসাবে) মধ্যে একটি পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ সম্পর্ক রয়েছে কিনা। বেকারত্বের হারের সাথে সম্পর্কিত অতিরিক্ত স্বতন্ত্র ভেরিয়েবলগুলি অন্তর্ভুক্ত করা, যেমন একটি নতুন প্রাথমিক বেকার দাবি, মডেলটিতে বহুবিধ লাইন পরিচয় করানো হতে পারে। সামগ্রিক মডেলটি শক্তিশালী, পরিসংখ্যানগত পর্যায়ে যথেষ্ট ব্যাখ্যাযোগ্য শক্তি দেখাতে পারে তবে প্রভাবটি বেশিরভাগ বেকারত্বের হার বা নতুন প্রাথমিক বেকারত্বের দাবির কারণে কিনা তা সনাক্ত করতে অক্ষম। ভিআইএফ এটি আবিষ্কার করবে এবং এটি গবেষক পরীক্ষায় আগ্রহী কোন নির্দিষ্ট অনুমানের উপর নির্ভর করে মডেলটি থেকে সম্ভবত কোনও একটি পরিবর্তনশীলকে বাদ দিয়ে বা তাদের যৌথ প্রভাব ক্যাপচার করার জন্য তাদের একত্রীকরণের জন্য কোনও উপায় খুঁজে বের করার পরামর্শ দেবে।