Анализ мультиколлинеарности факторов

При построении модели каждый из факторов может влиять друг на друга, такой эффект называется мультиколлинеарность. Если существует взаимосвязь между факторами, то становится тяжело определить влияние каждого фактора по отдельности. Итак, мультиколлинеарность будем анализировать с помощью матрицы корреляции факторов, показанной в таблице. Согласно матрице корреляций наблюдается мультиколлинеарность, то есть в нашей модели есть факторы, тесно связанные друг с другом. Желтые ячейки отражают значения более 0.6, где 0.6 пороговое значение, при превышении которого наблюдается зависимость факторов.

Таким образом, наблюдается почти стопроцентная обратная корреляция между курсом евро и индексом доллара, корреляция между курсом евро и 10-ти летними облигациями, а так же факторами, отражающими наличие программы количественного смягчения и власть демократической партии. Существуют достаточно противоречивые подходы к устранению эффекта, описанного выше, всего подходов три:

• — Изменить спецификацию;
• — Увеличить выборку;
• — Исключить фактор из модели;
• — Оставить «как есть».

Чтобы улучшить качество модели и устранить мультиколлинеарность, мы решили пойти на следующие шаги:

1. увеличить выборку вдвое, на наш взгляд должна пропасть столь высокая корреляция между факторами dem и qe, поскольку их корреляция наблюдается лишь из-за того, что кризис случился во время правления демократов, и ФРС именно в это время пришлось задействовать программу QE. Следовательно, если увеличить выборку, то корреляция должна уменьшиться.

Таблица:

2. исключить фактор EUR/USD, а оставить только индекс доллара. Убираем фактор именно курса евро из тех соображений, что данных по евро за более ранний период просто не существует.

С этого момента и далее мы используем выборку в 102 единицы. Действительно, после увеличение выборки корреляция между факторами qe и dem существенно снизилась, значение корреляции равно 0,51.