-
Há multicolinearidade em um modelo de regressão múltipla quando duas ou mais variáveis independentes são fortemente relacionadas linearmente entre si.
Foi algo mais próximo de uma respostas em minhas pesquisas. Conteúdo extremamente avançado.
-
Fácil dms essa
-
Multicolineariedade diz reipeito ao fato de duas ou mais variáveis preditoras estarem fortemente correlacionadas.
-
"Multicolinearidade refere-se à correlação entre duas variáveis explicativas ou entre uma delas e as demais incluídas na equação de um modelo. Significa que a multicolinearidade ocorre quando, por exemplo, duas variáveis x1 e x2 medem aproximadamente a mesma coisa, ou seja, a correlação entre elas é quase perfeita."
Texto extraído de: https://siteantigo.portaleducacao.com.br/conteudo/artigos/biologia/econometria-multicolinearidade/52178
-
Pessoal, entendi a multicolinearidade. Mas o "fato de o erro da predição permanecer estável, dentro de um intervalo de confiança aceitável, à medida que os valores de entrada mudam" deve ter um nome, não? Se não estou enganado, tal definição é a robustez do modelo. Alguém me corrija se estiver errado, por favor.
Heterocedasticidade não é, pois o erro de predição não permanece estável à medida que novos valores entram, uma vez que há mudança na variância do conjunto de dados.
Homocedasticidade também não é porque tal conceito implicaria variância constante, o que também não se aplica aqui.
-
Regressão Linear = Se tiver certo, ok, se não tiver o erro se propaga, justamente por conta dessa multicolineariedade, que nome hein kkk
-
"...a qual diz respeito ao fato de o erro da predição permanecer estável, ..."
Na verdade a multicolinearidade aumenta os erros padrão dos coeficientes!
Explicação excelente no site https://blog.minitab.com/pt/basta-lidando-com-a-multicolinearidade-na-analise-de-regressao