Multicolinéarité

La multicolinéarité est un concept en statistiques et économétrie, qui se produit lorsque plusieurs variables indépendantes dans un modèle de régression sont fortement corrélées entre elles.

Cette corrélation élevée entraîne des problèmes d'estimation des coefficients du modèle, les rendant instables et peu fiables. De plus, cela peut conduire à une mauvaise interprétation des résultats et à des conclusions erronées.

Pour détecter la multicolinéarité, on utilise généralement le facteur d'inflation de la variance (VIF) ou l'analyse des composantes principales (ACP). Pour y remédier, on peut supprimer certaines variables, combiner des variables similaires ou utiliser des méthodes de régularisation telles que la régression ridge.