Мультиколлинеарность факторов - понятие, проявление и меры устранения

М-это тесная лин зав-сть м/у факторными признаками, т.е. имеет место совокупное воздейств ф-ров друг на друга. Наличие М ф-ров м/означать, что некот ф-ры всегда будут действовать в унисон. В рез-те вариация в исх данных перестает быть полностью незав и нельзя оценить воздейств кажд ф-ра в отдельности. Чем сильнее М, тем менее надежна оценка распределения суммы объясненной вариации по отд ф-рам с пом МНК.
Включение в модель М-ых ф-ров нежелательно по след причинам: 1.затрудняется интерпретация пар-ров множествен регрессии как характеристик действия ф-ров в «чист» виде, ибо ф-ры коррелированны; пар-ры лин регрессии теряют эк смысл; 2.оценки параметров ненадежны, обнаруживают большие стандартн ошибки и меняются с изм-ем объема наблюдений, что делает модель непригодной для анализа и прогнозирования.
Имеется ряд подходов преодоления сильной межфакторн коррел. Самый простой из них состоит в исключении из модели одного или нескольких ф-ров. Другой путь связан с преобразованием ф-ров, при кот уменьш-ся коррел м\у ними (н-р, переход от первонач дан-ых к первым разностям уровней, чтобы исключить влияние тенденции). Решению проблемы устранения М м/помочь и переход к ур-иям ПФ. С этой целью в ур-ие регрессии подставляют рассматриваемый ф-р, выраженный из др ур-ия.

Гетероскедастичность - понятие, проявление и меры устранения

В соответств с 3ей предпосылкой МНК остатки д.б. гомоскедастичны, т.е. для кажд значения Xj остатки Ei имеют одинаков.дисперсию. если это усл. не соблюдается, то имеет место гетероскедастичность. Наличие гетероскед м/наглядно видеть на поле коррел: 1)дисперсия остатков растет по мере увеличен ф-ров
2)дисперсия достигает максим величины при средн значениях переменных
3)максим дисперсия остатков при малых значениях и далее дисперсия однородна по мере увеличен знач х. (для этих 3х случ необходимо нарис поле коррел)
Наличие гетероскед-и в отд случаях м/привести к смещенности оценок k-тов регрессии, хотя несмещенность оценок в основном зав от соблюдения 2ой предпосылки МНК, т.е. незав-сти остатков и величин ф-ров. Гетероскед-сть будет сказываться на уменьшении эффективности оценок bi. В частности, становится затруднительным использ-ие формулы стандарт ошибки k-та регрессии, предполагающей единую дисперсию остатков для любых значений ф-ра