Belsley, Kuh และ Welsch เป็นข้อความที่จะไปสำหรับชนิดของคำถามนี้ พวกเขารวมถึงการอภิปรายอย่างกว้างขวางของการวินิจฉัยที่มีอายุมากกว่าในส่วนที่ชื่อว่า "Historical Perspective" เกี่ยวกับ VIF ที่พวกเขาเขียน
... ถ้าเราสมมติข้อมูลที่ได้รับการเป็นศูนย์กลางและปรับให้มีความยาวหน่วยความสัมพันธ์เมทริกซ์เป็นเพียงX ...XRX′X
เรากำลังพิจารณา1} องค์ประกอบในแนวทแยงของ ,มักถูกเรียกว่าปัจจัยเงินเฟ้อความแปรปรวนและค่าการวินิจฉัยของพวกเขาจะตามมาจากความสัมพันธ์โดยที่เป็นค่าสัมประสิทธิ์สหสัมพันธ์ของถดถอยกับตัวแปรอธิบายที่เหลืออยู่ เห็นได้ชัดว่า VIF สูงบ่งชี้ว่าใกล้กับเอกภาพและจากนั้นชี้ไปที่ collinearity มาตรการนี้จึงมีประโยชน์สำหรับใช้เป็นเครื่องบ่งชี้ถึงความเป็นคู่โดยรวม จุดอ่อนของมันเช่นเดียวกับR−1=(X′X)−1R−1riiVIFi
VIFi=11−R2i
R2iXiR2iRอยู่ในการไร้ความสามารถที่จะแยกแยะระหว่างการอยู่ร่วมกันใกล้การพึ่งพาและในการขาดขอบเขตที่มีความหมายเพื่อแยกความแตกต่างระหว่างค่าของ VIF ที่สามารถพิจารณาได้สูงและค่าที่สามารถพิจารณาได้ต่ำ
ในสถานที่ของการวิเคราะห์ (หรือ ) BKW เสนอระวังการตรวจสอบควบคุมของมูลค่าเอกพจน์สลายตัวXพวกเขากระตุ้นโดยแสดงให้เห็นว่าอัตราส่วนของค่าที่ใหญ่ที่สุดต่อค่าเอกพจน์ที่น้อยที่สุดคือหมายเลขเงื่อนไขของและแสดงให้เห็นว่าหมายเลขเงื่อนไขมีขอบเขตเท่าไรในการแพร่กระจายของข้อผิดพลาดในการคำนวณการประมาณค่าถดถอย พวกเขาพยายามที่จะสลายตัวโดยประมาณของความแปรปรวนของพารามิเตอร์ประมาณเป็นส่วนประกอบที่เกี่ยวข้องกับค่าเอกพจน์ พลังของการสลายตัวนี้อยู่ในความสามารถ (ในหลาย ๆ กรณี) เพื่อเปิดเผยธรรมชาติRR−1XXβ^i ของ collinearity แทนที่จะแสดงเพียงการมีอยู่ของมัน
ทุกคนที่สร้างแบบจำลองการถดถอยพร้อมตัวแปรนับร้อยจะพึงพอใจกับฟีเจอร์นี้! เป็นสิ่งหนึ่งที่ซอฟต์แวร์จะพูดว่า "ข้อมูลของคุณคือ collinear ฉันไม่สามารถดำเนินการต่อ" หรือแม้แต่จะพูดว่า "ข้อมูลของคุณเป็น collinear ฉันกำลังขว้างตัวแปรต่อไปนี้ออกไป" มันเป็นสิ่งที่มีประโยชน์มากกว่าสำหรับการพูดว่า "กลุ่มของตัวแปรทำให้เกิดความไม่เสถียรในการคำนวณ: ดูว่าตัวแปรใดที่คุณสามารถทำได้โดยไม่ต้องพิจารณา ทำการวิเคราะห์องค์ประกอบหลักเพื่อลดจำนวน "Xi1,…,Xik
ในที่สุด BKW แนะนำการวินิจฉัย collinearity โดยวิธีการ
... เงื่อนไขสองต่อไปนี้:
- ค่าเอกพจน์ตัดสินว่ามีดัชนีสภาพสูงและเกี่ยวข้องกับ
- สัดส่วนสูงแปรปรวนสลายตัวสำหรับสองคนหรือมากกว่าประมาณค่าสัมประสิทธิ์ความแปรปรวน
จำนวนดัชนีสภาพถือว่าใหญ่ (พูดมากกว่า ) ใน (1) ระบุจำนวนการพึ่งพาใกล้กันในคอลัมน์ของเมทริกซ์ข้อมูลและขนาดของดัชนีสภาพสูงเหล่านี้เป็นการวัดความหนาแน่นของสัมพัทธ์ " นอกจากนี้ความมุ่งมั่นใน (2) ของสัดส่วนแปรปรวน - การสลายตัวที่มีขนาดใหญ่ (พูดมากกว่า ) ที่เกี่ยวข้องกับดัชนีสภาพสูงแต่ละระบุตัวแปรที่เกี่ยวข้องในการพึ่งพาใกล้ที่สอดคล้องกันและขนาดของสัดส่วนเหล่านี้ร่วมกับสูง ดัชนีสภาพให้การวัดระดับที่การประมาณการถดถอยที่สอดคล้องกันลดลงเมื่อมี collinearity30X0.5