Multikolinearitas: Perbedaan antara revisi

nilai VIF ini menggambarkan kenaikan varians dari dugaan parameter antar peubah penjelas. <ref name="Bambang Juanda"/>. Apabila nilai VIF lebih dari 5 atau 10, maka taksiran parameter kurang baik<ref name="Minitab 14">Iriawan, Nur , Astuti, Septin Puji. ''Mengolah Data Statistik dengan mudah menggunakan Minitab 14'' (Yogyakarta: ANDI, 2006). ISBN 979-763-111-7.</ref>, terjadi multikolinearitas<ref name="Statistics Solutions"/>. Namun, tidak ada kriteria formal untuk batasan nilai terendah untuk VIF sehingga bisa dikatakan terjadi multikolinearitas.{{cite press release |publisher=Statistik 4 Life |title=Uji Multikolinearitas dan Autokorelasi |date=[[27 November]] [[2009]] |url=http://ariyoso.wordpress.com/2009/11/27/multikolinearitas-dan-autokorelasi/|format=php |language=[[bahasa indonesia]] |accessdate=[[10 Mei]] [[2010]]}}</ref>

Beberapa cara yang bisa digunakan dalam mengatasi masalah multikolinearitas dalam Model Regresi Ganda antara lain, [[Analisis Komponenkomponen Utamautama]]<ref name="Bambang Juanda"/> yaitu analisis dengan mereduksi peubah bebas (X) tanpa merubah karakteristik peubah-peubah bebasnya<ref name="APG">Johnson, Richard A & Wichern, Dean W. ''Applied Multivariate Statistical Analysis'' (New Jersey: Prentice-Hall International Inc, 1998). ISBN 0-13-080084-8.</ref>, penggabungan data [[''cross section'']] dan data [[''time series'']]<ref name="Bambang Juanda"/> sehingga terbentuk data panel, metode regresi step wise<ref name="Minitab 14"/>, metode best subset<ref name="Minitab 14"/>, metode backward elimination<ref name="Minitab 14"/>, metode forward selection<ref name="Minitab 14"/>, dan lain-lain.