WORLD SCIENCE ISSN 2413-1032 14 № 4(32), Vol.6, April 2018 http://ws-conference.com/ ПРОБЛЕМА МУЛЬТИКОЛЛИНЕАРНОСТИ ПРИ ПОСТРОЕНИИ ЭКОНОМЕТРИЧЕСКИХ МОДЕЛЕЙ Нуруллаева Ш. Т., Рузметова Н. Ш., Муминова М. А., Сайдуллаева С. А. Узбекистан, Ташкент, Ташкентский государственный экономический университет Abstract. This article considers such a phenomenon as Multicollinearity, in particular, what is the nature of multicollinearity, is multicollinearity really a problem, what are its practical consequences, how does one detect it, what remedial measures can be taken to alleviate the problem of multicollinearity. It is suggested to take into consideration such warning, as that multicollinearity is a question of degree and not of kind. The meaningful distinction is not between the presence and the absence of multicollinearity, but between its various degrees. Since multicollinearity refers to the condition of the explanatory variables that are assumed to be nonstochastic, it is a feature of the sample and not of the population. Although there are no sure methods of detecting collinearity, in this article are given several indicators of it. Keywords: Multicollinearity, classical linear regression model, low collinearity, high collinearity, the regression coefficients, high R 2 , the estimable functions, forecasting. Нет пары слов, которые более часто используются в текстах по эконометрике и в прикладной литература, чем словосочетание "проблема мультиколлинеарности". То, что многие из объясняющих переменных являются в большинстве случаев коллинеарными является фактом. И совершенно ясно, что существуют опытные данные X’X [т.е. матрица данных], которые будут гораздо предпочтительнее данных, которые предоставит нам естественный эксперимент. Но недовольство по этому поводу является не совсем конструктивным и специальных методов для улучшения данных, таких как пошаговая регрессия или последовательность регрессии, может быть катастрофически неуместной. Необходимо по праву принять тот факт, что такие данные иногда не очень информативны относительно интересующих нас параметрах. 1 Одна из предпосылок классической линейной регрессионной модели (CLRM) гласит о том, что среди регрессоров, включенных в регрессионную модель, не существует мультиколлинеарности. Критический взгляд на эту предпосылку стремится найти ответы на следующие вопросы: 1. Какова природа мультиколлинеарности? 2. Является ли мультиколлинеарность действительно проблемой? 3. Каковы её практические последствия? 4. Как можно её обнаружить? 5. Какие корректирующие меры могут быть приняты, чтобы смягчить проблему мультиколлинеарности? Термин мультиколлинеарность связан с Рагнаром Фришем. 2 Первоначально это означало существование такой "совершенной", или точнее, линейной зависимости между некоторыми или всеми объясняющими переменными регрессионной модели. Для k-факторной регрессии с участием объясняющих переменных  ଵ , ଶ ,…, ௞ говорят, что существует точная линейная зависимость, если выполняется следующее условие: ߣ ଵ  ଵ + ߣ ଶ  ଶ +⋯+ ߣ ௞  ௞ =0 (1) где ߣ ଵ ߣ, ଶ ߣ,…, ௞ константы, такие, что не все они одновременно равны нулю. 1 Edward E. Leamer, “Model Choice and Specification Analysis,” in Zvi Griliches and Michael D. Intriligator, eds., Handbook of Econometrics, vol. I, North Holland Publishing Company, Amsterdam, 1983, pp. 300–301. 2 Ragnar Frisch, Statistical Confluence Analysis by Means of Complete Regression Systems, Institute of Economics, Oslo University, publ. no. 5, 1934.