เมื่อข้อมูลตามเวลาเปลี่ยนแนวโน้มและฤดูกาล ทีมงานต้องออกแบบการทดสอบตามลำดับเวลา จึงพิจารณาว่า นักวิจัยพบว่าการวิเคราะห์การถดถอยพหุ (Multiple Regression) มีค่า Adjusted R² สูงแต่เมื่อตรวจสอบพบว่าตัวแปรอิสระสองตัวมีค่า VIF (Variance Inflation Factor) สูงกว่า 10 ปัญหาและผลกระทบคืออะไร
กค่า VIF สูงเกิดจากการเก็บข้อมูลไม่เพียงพอ ควรเพิ่มขนาดตัวอย่าง
ขค่า VIF สูงแสดงว่าข้อมูลมีค่าผิดปกติ (Outlier) จำนวนมาก ต้องลบออก
คค่า VIF สูงบ่งชี้ Multicollinearity ทำให้การประมาณสัมประสิทธิ์ไม่เสถียรและการแปลผลตัวแปรแต่ละตัวไม่น่าเชื่อถือ
งค่า VIF สูงแสดงว่าแบบจำลองมีประสิทธิภาพดีและตัวแปรมีความสำคัญสูง
เฉลยอธิบาย
Multicollinearity เกิดขึ้นเมื่อตัวแปรอิสระมีความสัมพันธ์กันสูง ค่า VIF > 10 เป็นสัญญาณอันตราย เพราะทำให้ Standard Error ของสัมประสิทธิ์เพิ่มขึ้น การทดสอบนัยสำคัญไม่น่าเชื่อถือ และการแปลความหมายของตัวแปรแต่ละตัวทำได้ยาก แม้ว่า Adjusted R² จะยังสูง ตัวเลือก A ผิดเพราะ VIF วัดความสัมพันธ์ระหว่างตัวแปร ไม่ใช่ Outlier ตัวเลือก C ผิดเพราะ VIF สูงเป็นปัญหา ไม่ใช่ข้อดี ตัวเลือก D ผิดเพราะการเพิ่มตัวอย่างไม่แก้ปัญหา Multicollinearity