Multicollinearity (also collinearit

Multicollinearity (also collinearity) is a statistical phenomenon in which two or more predictor variables in a multiple regression model are highly correlated, meaning that one can be linearly predicted from the others with a non-trivial degree of accuracy. In this situation the coefficient estimates of the multiple regression may change erratically in response to small changes in the model or the data. Multicollinearity does not reduce the predictive power or reliability of the model as a whole, at least within the sample data themselves; it only affects calculations regarding individual predictors. That is, a multiple regression model with correlated predictors can indicate how well the entire bundle of predictors predicts the outcome variable, but it may not give valid results about any individual predictor, or about which predictors are redundant with respect to others.

ผลลัพธ์ (ไทย) 2:

พหุ (ยัง collinearity) เป็นปรากฏการณ์ทางสถิติที่สองหรือมากกว่าตัวแปรในรูปแบบถดถอยพหุคูณมีความสัมพันธ์อย่างมากซึ่งหมายความว่าหนึ่งสามารถคาดการณ์เป็นเส้นตรงจากคนอื่น ๆ ที่มีระดับไม่น่ารำคาญของความถูกต้อง ในสถานการณ์เช่นนี้ประมาณการค่าสัมประสิทธิ์ของการถดถอยพหุคูณอาจมีการเปลี่ยนแปลงผิดพลาดในการตอบสนองต่อการเปลี่ยนแปลงเล็ก ๆ ในรูปแบบหรือข้อมูล พหุไม่ได้ลดการคาดการณ์หรือความน่าเชื่อถือของรูปแบบโดยรวมอย่างน้อยภายในข้อมูลตัวอย่างตัวเอง มันมีผลต่อการคำนวณเพียงเกี่ยวกับการทำนายของแต่ละบุคคล นั่นคือรูปแบบการถดถอยหลายทำนายความสัมพันธ์สามารถบ่งบอกถึงวิธีการที่ดีมัดทั้งหมดของตัวแปรทำนายคาดการณ์ผลที่ได้ แต่มันอาจไม่ให้ผลที่ถูกต้องเกี่ยวกับการทำนายของแต่ละบุคคลใด ๆ หรือเกี่ยวกับการที่มีความซ้ำซ้อนทำนายที่เกี่ยวกับคนอื่น ๆ

ผลลัพธ์ (ไทย) 3:

ค่า ( ยัง collinearity ) เป็นปรากฏการณ์ทางสถิติที่มากกว่าสองตัวแปรตัวแปรในสมการถดถอยแบบจำลองระดับสูง หมายความว่าเราสามารถนำคาดการณ์จากผู้อื่นด้วยไม่ใช่ trivial ระดับของความถูกต้องในสถานการณ์เช่นนี้ เท่ากับประมาณการของการถดถอยพหุคูณอาจเปลี่ยนแปลงผิดในการตอบสนองการเปลี่ยนแปลงขนาดเล็กในรูปแบบข้อมูล ค่าไม่ลดอำนาจพยากรณ์หรือความน่าเชื่อถือของแบบจำลองทั้งหมด อย่างน้อยภายในกลุ่มตัวอย่างด้วยตนเอง ก็จะมีผลต่อการคำนวณเกี่ยวกับตัวบุคคล นั่นคือรูปแบบการถดถอยพหุคูณกับความสัมพันธ์ ( สามารถระบุว่ากลุ่มทั้งหมดของตัวแปรพยากรณ์ ทำนายผล แต่ก็ไม่อาจให้ผลลัพธ์ที่ถูกต้องเกี่ยวกับบุคคลใด ๆทำนาย หรือพยากรณ์จะซ้ำซ้อนกับที่เคารพผู้อื่น .