Estimable group effects for strongly correlated variables in linear models

در رگرسیون معمولی کمترین مربعات، متغیرهای پیش بینی کننده همبستگی به شدت وابسته به چندین همبستگی هستند که موجب تخمین فقیر پارامترهای فردی چنین متغیرها و در نتیجه مشکلات در نتیجه گیری و پیش بینی با مدل برآورد شده می شود. ما یک مدل نظری را برای بررسی تأثیر چنین چند خطی بر روی برآورد ترکیب خطی این پارامترها و کشف ترکیب خطی که می توان به طور قابل توجهی با دقت تخمین زد، ساختیم. نتایج ما نشان می دهد که این نوع چند خطی نشان دهنده توزیع مجدد اطلاعات است که اجازه می دهد تا برخی از ترکیبات خطی به شدت با دقت تخمین زده شود و هزینه های دیگر ترکیبات خطی را غیر قابل پیش بینی کند. بر اساس بینش های حاصل از مطالعه این مدل نظری، برای تمام مدل های خطی با متغیرهای پیش بینی کننده همبستگی قوی، ما یک روش ساده برای یافتن ترکیب خطی پارامترهای این متغیرها که ممکن است با دقت برآورد شود، ایجاد کنیم. چنین ترکیب خطی می تواند برای کمک به حل مشکلات ذکر شده مورد استفاده قرار گیرد و آنها ابزار دیگری برای اداره چندین الگویی در رگرسیون معمولی کمترین مربع را فراهم می کنند.