57. Mida teha multikollineaarsuse esinemise korral? Multikollineaarsuse vähendamiseks: · Jätta kollineaarne tunnus mudelist välja. Sellega võib kaasneda mudeli kirjeldustaseme langus. Tunnuste väljajätmisel mudelist tuleb jälgida, et välja ei jäetaks olulisi tunnuseid, mille väljajätmisel võib saada nihkega hinnangud. · Teisendada andmeid. Näiteks kahe kollineaarse tunnuse asemel kasutada nende suhet · Suurendada valimi mahtu. · Kasutada paneelandmeid. 58. Mis on fiktiivsed tunnused ja kuidas neid kasutatakse kvalitatiivsete tunnuste mudelisse panekuks? · Fiktiivne tunnus on kaheväärtuseline tunnus: 0 või 1. · Kaheväärtuselised seletavad tunnused (sugu, töötab/ei tööta, riik kuulub/ei kuulu euroalasse jne) saab esitada ühe fiktiivse tunnuse abil. · Kui kvalitatiivsel seletaval tunnusel n erinevat väärtust, siis vabaliige ja n-1 kaheväärtuselist fiktiivset tunnust; · vastasel juhul perfektne multikollineaarsus!
Multikollineaarsuse vähendamine: ● Jätta kollineaarne tunnus mudelist välja. ○ Sellega võib kaasneda mudeli kirjeldustaseme langus. ○ Tunnuste väljajätmisel mudelist tuleb jälgida, et välja ei jäetaks olulisi tunnuseid, mille väljajätmisel võib saada nihkega hinnangud. ● Teisendada andmeid. ○ Näiteks kahe kollineaarse tunnuse asemel kasutada nende suhet. ● Suurendada valimi mahtu. ● Kasutada paneelandmeid. 72. Kitsendused parameetritele, kitsendatud ja kitsendamata mudel. Kitsendamata mudel U (unrestricted) Kitsendatud mudel R (restricted) ● Kitsendused kehtivad, kui erinevus nende mudelite kirjeldatavuse tasemes ei ole oluline. ● Kui suur võib erinevus olla, et võiksime öelda: see pole oluline? ● Vaja kriteeriumi! ● Tuleb läbi viia F-test Näiteid erinevatest lineaarsetest kitsendustest 73. Kitsenduste testimine F-testiga: nullhüpotees ja sisukas hüpotees
annaabi.ee 
