회귀그래픽 방법에서의 다중공선성

Multicollinearity in Regression Graphics

설명변수들의 다중공선성 문제는 회귀분석 실행 시 해결해야 할 문제 중의 하나이다. 다중공선성 문제는 모수들의 최소제곱 추정량을 추정하고 분석하는데 많은 어려움이 있다. 회귀그래픽방법은 다중공선성 문제를 선형성 조건으로 인식한다. 회귀그래픽 방법은 차원축소를 위해 설명변수들이 형성하는 중심부공간을 추정한다. 선형성 조건은 차원축소를 이루기 위해 중심부공간을 인지하고 추정하는데 있어 매우 효율적인 조건이 된다. 전통적인 회귀분석 과정에서 해결해야 할 설명변수들의 다중공선성 문제를 회귀그래픽 방법은 설명변수들의 선형성 조건이라 정의하고 중심부공간 추정에 있어 선행조건으로 취하는 것이다. 본 논문은 이러한 설명변수들의 선형성 조건과 다중공선성의 연관성과 차이점 그리고 회귀 그래픽 방법을 적용하는데 있어 어떻게 응용되는지 논의한다.

Multicollinearity of predictor variables is known as one of cumbersome problems in regression analysis. Multicollinearity makes us impossible to obtain least square estimates of parameters. The goal of regression graphical method is to estimate central subspace spanned by the predictor variables. Linearity condition is efficient for recognizing and estimating the central subspace. While traditional regression method overcome multicollinearity, regression graphical method refer to multicollinearity as linearity condition. This paper explores multicollinearity in regression graphical method, discusses association and difference between multicollinearity and linearity condition. In addition, we investigate applicability of linearity condition to regression graphical methid.