Multicolinéarité
Qu'est-ce que la multicolinéarité?La multicolinéarité est la survenue de fortes intercorrélations entre les variables indépendantes dans un modèle de régression multiple. La multicolinéarité peut conduire à des résultats faussés ou trompeurs lorsqu'un chercheur ou un analyste tente de déterminer dans quelle mesure chaque variable indépendante peut être utilisée de la manière la plus efficace pour prédire ou comprendre la variable dépendante dans un modèle statistique. En général, la multicolinéarité peut conduire à des intervalles de confiance plus larges et à des valeurs de probabilité moins fiables (valeurs P) pour les variables indépendantes.
Briser la multicolinéarité
Les analystes statistiques utilisent plusieurs modèles de régression pour prédire la valeur d'une variable dépendante spécifiée en fonction des valeurs d'au moins deux variables indépendantes. La variable dépendante est parfois appelée variable de résultat, cible ou critère. La multicolinéarité dans un modèle de régression multiple indique que les variables indépendantes colinéaires sont liées d'une certaine manière, bien que la relation puisse être ou non occasionnelle.
L'un des moyens les plus courants d'éliminer le problème de multicolinéarité dans une étude consiste d'abord à identifier les variables indépendantes colinéaires, puis à les supprimer toutes sauf une. Il est également possible d'éliminer la multicolinéarité en combinant deux variables colinéaires ou plus en une seule variable. Une analyse statistique peut ensuite être menée pour étudier la relation entre la variable dépendante spécifiée et une seule variable indépendante.
Multicolinéarité dans l'investissement
Pour l’investissement, la multicolinéarité est une considération commune lors de la réalisation d’une analyse technique visant à prévoir les mouvements futurs probables des cours d’un titre, tels que les actions ou les produits de base. Les analystes de marché souhaitent éviter d'utiliser des indicateurs techniques colinéaires, en ce sens qu'ils reposent sur des intrants très similaires ou apparentés; ils ont tendance à révéler des prédictions similaires concernant la variable dépendante du mouvement des prix. Au lieu de cela, ils souhaitent effectuer une analyse de marché basée sur des variables indépendantes très différentes faisant référence à divers indicateurs techniques afin de s'assurer qu'ils analysent le marché de différents points de vue analytiques indépendants.
John Bollinger, analyste technique reconnu, créateur de l'indicateur des bandes de Bollinger, note qu '"une règle fondamentale pour une utilisation réussie de l'analyse technique nécessite d'éviter la multicolinéarité parmi les indicateurs".
Pour éviter le problème de la multicolinéarité, les analystes évitent d’utiliser deux ou plusieurs indicateurs techniques du même type. Au lieu de cela, ils analysent un titre en utilisant un type d'indicateur, tel qu'un indicateur de momentum, puis effectuent une analyse séparée en utilisant un type d'indicateur différent, tel qu'un indicateur de tendance. Un exemple de problème de multicolinéarité potentiel consiste à effectuer une analyse technique à l’aide de plusieurs indicateurs similaires, tels que la stochastique, l’indice de force relative (RSI) et Williams% R, qui sont tous des indicateurs de momentum qui reposent sur des intrants similaires et sont susceptibles de produire des résultats similaires. résultats.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.