AI Summary & Key Takeaways
AI InsightThat may result, particularly for small and moderate sample sizes, in lack of statistical significance of individual independent variables while the overall model may be strongly significant.
📌 3 Key Takeaways
Abstract
\r\n One of the problems encountered in the multi-regression analysis is multicollinearity case. Multicollinearity in regression models is a result of strong correlations among independent variables. The existence of multicollinearity inflates the variances of the parameter estimates. That may result, particularly for small and moderate sample sizes, in lack of statistical significance of individual independent variables while the overall model may be strongly significant. Multicollinearity may also result in wrong signs and magnitudes of regression coefficient estimates, and consequently in incorrect conclusions about relationships between independent and dependent variables. In this research, firstly, theoretical structure of collinearity diagnostics and Liu estimator is introduced. Afterwards, an application of Liu estimator for the inflation model is done. According to the model in which a multicollinearity is removed using the Liu estimator, we have concluded that the money supply and USD variables are the most effective variables on the inflation in the specified period.\r\n
Özet
\r\n Çoklu regresyon analizinde karşılaşılan sorunlardan birisi de çoklu bağıntı durumudur. Çoklu bağıntı, bağımsız değişkenler arasındaki güçlü bir ilişkinin sonucudur. Çoklu bağıntı parametre kestirimlerinin varyansını büyütür. Bu da, özellikle küçük ve orta büyüklükteki örneklem hacimleri için, katsayılar tek tek istatistiksel olarak anlamsız iken, genel modelin oldukça anlamlı olduğu sonucunu verebilecektir. Ayrıca tahmin edilen regresyon katsayılarının işaretlerinde ve büyüklüklerinde de yanlışlık olabilecektir. Dolayısıyla bağımlı ve ve bağımsız değişkenler arasındaki ilişki yanlış ifade edilecektir. Bu makalede önce çoklu bağıntıyı belirleme teknikleri anlatılarak, enflasyon modeli için Liu kestiricisisiyle bir uygulaması yapıldı. Liu kestiricisi ile çoklu bağıntıdan arındırılmış modele göre, ilgili dönemde enflasyon üzerinde en fazla para arzı ve USD değişkenlerinin etkili olduğu görüldü.\r\n