160Econometrics (Multicollinearity)

UGC NET Economics: Multicollinearity (बहुसंरेखता) - Complete Guide (Concept, Types, Detection, Remedies, PYQs 2025 Tak)

📊 Multicollinearity (बहुसंरेखता): Complete Guide for UGC NET Economics

इस अध्ययन सामग्री में Multicollinearity के सभी पहलुओं को कवर किया गया है - इसके प्रकार, पता लगाने के तरीके, परिणाम, उपचार के उपाय, और 2025 तक UGC NET परीक्षा में पूछे गए सभी प्रश्न (PYQs) उनके वर्ष और शिफ्ट सहित।

📊 त्वरित सारांश (Quick Summary)

पहलूएक लाइन में सारांश
Perfect Multicollinearity\( X_2 = \lambda X_1 \) — जब X, Y का पूर्ण रैखिक फलन हो; गुणांक अनिश्चित (indeterminate) होते हैं
High Multicollinearity\( X_2 \approx \lambda X_1 + v \) — उच्च सहसंबंध, बड़े Standard Errors
VIF (Variance Inflation Factor)VIF > 10 → गंभीर multicollinearity; VIF = \( 1 / (1 - R_i^2) \)
ToleranceTolerance = 1 - R² = 1 / VIF; < 0.1 → गंभीर समस्या
Condition IndexCI > 30 → moderate, > 100 → severe multicollinearity
Farrar-Glauber TestMulticollinearity का पता लगाने के लिए Chi-square + F-test
Ridge RegressionBiased estimator; Bias जोड़कर variance कम करता है
PCA (Principal Component Analysis)Highly correlated variables को uncorrelated components में बदलता है

📘 1. Multicollinearity: अर्थ और अवधारणा (Meaning & Concept)

एक लाइन में परिभाषा

Multicollinearity एक ऐसी स्थिति है जहाँ व्याख्यात्मक चर (independent variables) आपस में अत्यधिक सहसंबद्ध (highly correlated) होते हैं।

सरल शब्दों में समझें

प्रतिगमन मॉडल में हम यह जानना चाहते हैं कि एक X का Y पर क्या प्रभाव है, जबकि दूसरे X को स्थिर रखा जाए। लेकिन यदि X₂ और X₃ आपस में बहुत ज़्यादा correlated हैं, तो डेटा में ऐसे अवलोकन (observations) नहीं होते जहाँ X₂ बदल रहा हो और X₃ स्थिर हो। इसलिए हम सटीक प्रभाव का पता नहीं लगा पाते।

📘 2. Multicollinearity के प्रकार (Types)

🔹 A. Perfect Multicollinearity (पूर्ण बहुसंरेखता)

परिभाषा: जब एक X चर, दूसरे X चर का पूर्ण रैखिक फलन (perfect linear function) हो:

\[ X_{3i} = \lambda X_{2i} \]

उदाहरण: Wealth = 10 × Income (प्रत्येक व्यक्ति के लिए)

परिणाम:

  • गुणांक (coefficients) अनिश्चित (indeterminate) हो जाते हैं
  • Standard Errors अनंत (infinite) हो जाते हैं

🔹 B. High (Less than Perfect) Multicollinearity

परिभाषा: जब X चर आपस में बहुत अधिक सहसंबद्ध (highly correlated) हों, लेकिन पूर्ण रैखिक संबंध न हो:

\[ X_{3i} = \lambda X_{2i} + v_i \]

उदाहरण: Wealth ≈ 10 × Income, लेकिन थोड़ा उतार-चढ़ाव (विविधता) है

परिणाम: OLS गुणांक unbiased रहते हैं, लेकिन उनका variance बहुत बड़ा हो जाता है

📘 3. Multicollinearity के परिणाम (Consequences)

UGC NET Official Answer Key के अनुसार (8 Oct 2022):

परिणामस्थिति
(A) R² बहुत अधिक हो सकता है✅ सही (लेकिन भ्रामक)
(B) OLS estimators BLUE नहीं रहते✅ सही — variance बढ़ जाता है
(C) OLS estimators के छोटे variance होते हैं❌ गलत (variance बड़ा होता है)
(D) t ratio statistically insignificant होता है✅ सही — SE बड़ा → t-ratio छोटा
(E) OLS estimators और SE small changes के प्रति sensitive✅ सही — Model unstable

सही उत्तर: (B), (D), and (E) ✅

विस्तृत व्याख्या:

OLS PropertyMulticollinearity में क्या होता है?
Unbiasedness✅ बनी रहती है
Consistency✅ बनी रहती है
Efficiency (Minimum Variance)❌ समाप्त हो जाती है (variance बढ़ जाता है)
BLUE❌ OLS BLUE नहीं रहता
Standard Errors❌ बहुत बड़े (inflated) हो जाते हैं
t-ratios❌ Statistically insignificant हो जाते हैं
Confidence Intervals❌ बहुत बड़े हो जाते हैं

याद रखने की ट्रिक

"Multicollinearity में OLS Unbiased और Consistent रहता है, लेकिन BLUE नहीं रहता — Efficiency खत्म, Variance बढ़ा, t-ratio घटा"

📘 4. Detection Methods (पता लगाने के तरीके)

🔹 A. Variance Inflation Factor (VIF)

एक लाइन में: यह मापता है कि multicollinearity के कारण किसी गुणांक का variance कितना बढ़ गया है।

\[ VIF = \frac{1}{1 - R_j^2} = \frac{1}{\text{Tolerance}} \]

व्याख्या:

VIF ValueInterpretation
VIF = 1No correlation (आदर्श)
1 < VIF < 5Moderate correlation (स्वीकार्य)
VIF > 5High correlation (समस्या)
VIF > 10Severe multicollinearity (गंभीर समस्या)

🔹 B. Tolerance (सहिष्णुता)

\[ Tolerance = 1 - R_j^2 = \frac{1}{VIF} \]
  • Tolerance < 0.1 → गंभीर multicollinearity
  • Tolerance < 0.2 → चिंता का विषय

🔹 C. Condition Index (CI)

सूत्र: \( CI = \sqrt{\frac{\lambda_{max}}{\lambda_{min}}} \)

व्याख्या:

CI ValueInterpretation CI < 15No problem 15 < CI < 30Moderate multicollinearity CI > 30Severe multicollinearity

🔹 D. Farrar-Glauber Test

एक लाइन में: Multicollinearity का पता लगाने के लिए Chi-square और F-test का उपयोग करने वाला परीक्षण।

दो-चरणीय प्रक्रिया:

  1. Step 1 (Chi-square): समग्र multicollinearity का पता लगाना
  2. Step 2 (F-test): प्रत्येक चर के बीच multicollinearity का पता लगाना

🔹 UGC NET में पूछे गए मिलान प्रश्न (2016)

परीक्षण (Test)समस्या (Problem)
Goldfeld-Quandt TestHeteroscedasticity
Farrar-Glauber TestMulticollinearity ✅
Wald-Bartlett MethodErrors in variables
Durbin-Watson TestAutocorrelation

नोट: 2016 के पेपर में Farrar-Glauber Test को सीधे Multicollinearity से मिलान किया गया है!

📘 5. Remedies (निवारण के उपाय)

🔹 A. Ridge Regression

एक लाइन में: Biased estimator — Bias जोड़कर variance कम करता है; multicollinearity के लिए सबसे प्रभावी उपायों में से एक।

कैसे काम करता है:

  • Least squares में bias constant (k) को variance-covariance matrix के main diagonal पर जोड़ता है
  • Bias जोड़ने से OLS का variance कम हो जाता है

UGC NET के लिए महत्वपूर्ण बिंदु:

  • Ridge regression biased है लेकिन variance कम है
  • Bias constant (λ या k) का चयन महत्वपूर्ण है (जैसे Kibria method)
  • Ridge regression, Principal Component Regression (PCR) से बेहतर प्रदर्शन कर सकता है

🔹 B. Principal Component Analysis (PCA)

एक लाइन में: अत्यधिक correlated variables को uncorrelated components में बदलता है।

कैसे काम करता है:

  • PCA मूल चरों के रैखिक संयोजन (linear combinations) बनाता है — Principal Components
  • ये components असंबद्ध (uncorrelated) होते हैं
  • कुछ components को प्रतिगमन में प्रयोग किया जाता है

Principal Component Regression (PCR): PCA के बाद regression लगाना

🔹 C. Dropping Variables

एक लाइन में: अत्यधिक correlated चरों में से एक को हटा देना सबसे सरल उपाय है।

सीमा: यदि चर सैद्धांतिक रूप से महत्वपूर्ण है, तो इसे हटाने से omitted variable bias हो सकता है।

🔹 D. Data Transformation

  • First differences लेना: ΔY = β₁ΔX₁ + β₂ΔX₂ + ...
  • Ratio transformation: Per capita में बदलना
  • Variable transformation: log, square root, आदि

🔹 E. आंकड़ा एकत्रीकरण (Data Pooling)

Panel data (time series + cross section) का उपयोग करना multicollinearity को कम करने में मदद कर सकता है।

🔥 Dummy Variable Trap – Perfect Multicollinearity का एक उदाहरण

प्रश्न (UGC NET 3rd Jan 2025 Shift 2): "If a variable has 'm' categories, we can run the regression using:"

विकल्प:

  • (1) 'm - 1' dummy variables and an intercept term ✅
  • (2) 'm' dummy variables and an intercept term ❌ (Dummy Variable Trap)
  • (3) '(m - 1)' dummy variables without an intercept
  • (4) '(m + 1)' dummy variables without an intercept

सही उत्तर: (1) 'm - 1' dummy variables and an intercept term

व्याख्या: Dummy Variable Trap तब होती है जब आप सभी m dummy variables और intercept डालते हैं — यह Perfect Multicollinearity पैदा करता है।

📝 UGC NET PYQs (2025 तक) – पूर्ण विवरण के साथ

✅ प्रश्न 1: Multicollinearity के व्यावहारिक परिणाम (Practical Consequences)

परीक्षा/वर्ष/शिफ्ट: UGC NET Paper 2: Economics, 8 October 2022, Shift 2

प्रश्न (Question): "What are the practical consequences of multicollinearity in CLRM?"

विकल्प (Options): (A) R², the overall measure of goodness of fit can be very high (B) OLS estimators are not BLUE (C) OLS estimators have small variance and covariances (D) t ratio of one or more coefficients is statistically insignificant (E) The OLS estimators and their standard errors can be sensitive to small changes in the data

सही उत्तर (Correct Answer): (B), (D), and (E)

विस्तृत व्याख्या:
(B) OLS estimators are not BLUE: Multicollinearity में OLS unbiased रहता है, लेकिन variance बहुत बड़ा हो जाता है। चूंकि यह "Best" (minimum variance) नहीं है, OLS BLUE नहीं रहता।
(D) t ratio statistically insignificant: Standard Errors बड़े होने के कारण t-ratio = β̂/SE(β̂) छोटा हो जाता है, जिससे coefficients insignificant दिखते हैं।
(E) Sensitive to small changes: डेटा में छोटे बदलाव आने पर OLS estimates बहुत ज़्यादा बदल जाते हैं (unstable model)।

✅ प्रश्न 2: Farrar-Glauber Test का मिलान (Matching Question)

परीक्षा/वर्ष: UGC NET Economics, 2016 (Paper III)

प्रश्न (Question): Match List-I with List-II:

सूची-Iसूची-II
(A) Goldfeld-Quandt Test(i) Multicollinearity
(B) Farrar-Glauber Test(ii) Autocorrelation
(C) Wald-Bartlett Method(iii) Errors in variables
(D) Durbin-Watson Test(iv) Heteroscedasticity

सही उत्तर (Correct Answer): (A) - (iv), (B) - (i), (C) - (iii), (D) - (ii)

व्याख्या: Farrar-Glauber Test → (i) Multicollinearity: यह परीक्षण विशेष रूप से multicollinearity का पता लगाने के लिए डिज़ाइन किया गया है।

✅ प्रश्न 3: Dummy Variable Trap (UGC NET 2025 Latest)

परीक्षा/वर्ष/शिफ्ट: UGC NET Paper 2: Economics, 3rd January 2025, Shift 2

प्रश्न (Question): "If a variable has 'm' categories, we can run the regression using:"

सही उत्तर: 'm - 1' dummy variables and an intercept term

व्याख्या: Dummy Variable Trap Perfect Multicollinearity का एक उत्कृष्ट उदाहरण है — सभी m dummy variables और intercept डालने से regression असंभव हो जाता है।

🎯 UGC NET परीक्षा के लिए महत्वपूर्ण तथ्य (Key Facts)

अवधारणाएक लाइन में सारांश
Perfect MulticollinearityOLS estimators indeterminate (अनिश्चित) होते हैं
High MulticollinearityOLS estimators unbiased रहते हैं, लेकिन variance बढ़ जाता है
VIF > 10गंभीर multicollinearity का संकेत
Tolerance < 0.1गंभीर multicollinearity का संकेत
Condition Index > 30Severe multicollinearity
Farrar-Glauber TestMulticollinearity का पता लगाता है
Goldfeld-Quandt TestHeteroscedasticity का पता लगाता है
Durbin-Watson TestAutocorrelation का पता लगाता है
Ridge RegressionBiased estimator; Bias जोड़कर variance कम करता है
PCACorrelated variables को uncorrelated components में बदलता है
Dummy Variable TrapPerfect multicollinearity का उदाहरण — m categories के लिए m-1 dummies

🔥 परीक्षा टिप्स (Exam Tips) – सभी PYQs के आधार पर

यदि प्रश्न पूछे...तो सही उत्तर है...स्रोत
"Farrar-Glauber Test किस समस्या का पता लगाता है?"Multicollinearity2016 Paper III
"Goldfeld-Quandt Test किस समस्या का पता लगाता है?"Heteroscedasticity2016 Paper III
"Durbin-Watson Test किस समस्या का पता लगाता है?"Autocorrelation2016 Paper III
"Multicollinearity में OLS BLUE रहता है?"❌ नहीं — variance बढ़ जाता है2022 Shift 2
"Multicollinearity में OLS unbiased रहता है?"✅ हाँ—
"Multicollinearity में t-ratio कैसा होता है?"Statistically insignificant2022 Shift 2
"Multicollinearity में OLS estimators का variance कैसा होता है?"बड़ा (large)—
"VIF > 10 का क्या अर्थ है?"Severe multicollinearity—
"m categories के लिए कितनी dummy variables चाहिए?"m-1 dummy variables + intercept2025 Shift 2

📚 सारांश तालिका (सभी Concepts का Revision Table)

अवधारणाएक लाइन में याद रखें
Perfect MulticollinearityX₂ = λX₁ → Coefficients indeterminate
High MulticollinearityOLS unbiased, Variance बड़ा, t-ratio insignificant
VIFVIF = 1/(1-R²); >10 → severe problem
ToleranceTolerance = 1/VIF; <0.1 → problem
Condition IndexCI > 30 → severe multicollinearity
Farrar-Glauber TestMulticollinearity का पता लगाता है
Ridge RegressionBiased estimator (Bias जोड़ता है)
PCAUncorrelated components बनाता है
Dummy Variable Trap<\/td>Perfect multicollinearity — m categories → m-1 dummies<\/td>

💡 अतिरिक्त महत्वपूर्ण बिंदु (Additional Important Points)

  1. Multicollinearity एक डेटा समस्या (data problem) है, मॉडल समस्या (model problem) नहीं।
  2. R² बहुत अधिक हो सकता है जबकि t-ratios insignificant हों — यह multicollinearity का एक उत्कृष्ट लक्षण है।
  3. Multicollinearity कोई Gauss-Markov assumption नहीं है; यह एक data की समस्या है, मॉडल की नहीं।
  4. Dropping variables multicollinearity का सबसे सरल उपाय है, लेकिन इससे omitted variable bias हो सकता है।
  5. Ridge regression और Principal Component Analysis (PCA) multicollinearity के लिए दो सबसे प्रभावी शास्त्रीय उपचार हैं।
📐 UGC NET Economics | Multicollinearity (बहुसंरेखता): Complete Guide (Concept, Types, Detection, Remedies, PYQs 2025 Tak)
UGC NET Economics: Multicollinearity - Additional PYQs (2016 to 2025) Complete Module

📊 Multicollinearity – अतिरिक्त UGC NET PYQs (2016 से 2025 तक)

बिल्कुल, मैंने 2025 तक UGC NET परीक्षा में Multicollinearity से संबंधित अतिरिक्त प्रश्नों को गहनता से खोजा है। पिछले उत्तरों में दिए गए प्रश्नों के अतिरिक्त, नीचे नए प्रश्न (Additional PYQs) दिए जा रहे हैं।

📝 नए UGC NET PYQs (वर्ष और शिफ्ट सहित)

✅ प्रश्न 1: GLS और Multicollinearity (2019) – महत्वपूर्ण प्रश्न

परीक्षा/वर्ष/शिफ्ट: UGC NET Paper 2: Economics, 3 December 2019, Shift 1

प्रश्न (Question): "Three statements are given: (a) Generalised Least Square (GLS) method is capable of providing BLUE in situations where OLS fails, (b) GLS is OLS on the transformed variables that satisfy the standard least squares assumptions, (c) GLS method is suitable for dealing with multicollinearity problem"

विकल्प (Options): 1. (a) and (b) are correct but (c) is not correct ✅ 2. (a), (b) and (c) are correct 3. (a) and (c) are correct but (b) is not correct 4. (a) is correct but (b) and (c) are not correct

सही उत्तर (Correct Answer): Option 1: (a) and (b) are correct but (c) is not correct

विस्तृत व्याख्या:
Statement (a) (सही): GLS Heteroscedasticity और Autocorrelation में BLUE प्रदान करता है जहाँ OLS fails करता है।
Statement (b) (सही): GLS रूपांतरित चरों पर OLS है जो शास्त्रीय धारणाओं को संतुष्ट करते हैं।
Statement (c) (गलत): GLS Multicollinearity को ठीक नहीं कर सकता। Multicollinearity के लिए Ridge Regression या PCA उपयुक्त हैं।

✅ प्रश्न 2: GLS के उपयोग पर प्रश्न (2016)

परीक्षा/वर्ष/पेपर: UGC NET Economics, 2016 (Paper III)

प्रश्न (Question): "Generalized Least Squares Method is suitable for estimation of parameters in a General Linear Model for dealing with problem of _____."

विकल्प (Options): (i) Measurement Errors (ii) Autocorrelated Disturbances (iii) Multicollinearity (iv) Heteroscedasticity

सही उत्तर (Correct Answer): (ii) and (iv) – Autocorrelated Disturbances and Heteroscedasticity

विस्तृत व्याख्या: GLS का उपयोग Heteroscedasticity और Autocorrelation दोनों को ठीक करने के लिए किया जाता है। Multicollinearity को GLS ठीक नहीं कर सकता – यह लगातार परीक्षाओं में पूछा जाने वाला तथ्य है।

✅ प्रश्न 3: Dummy Variable Trap (2025 Latest – Official PYQ) ✅

परीक्षा/वर्ष/शिफ्ट: UGC NET Paper 2: Economics, 3rd January 2025, Shift 2

प्रश्न (Question): "If a variable has 'm' categories, we can run the regression using:"

विकल्प (Options): (1) 'm - 1' dummy variables and an intercept term ✅ (2) 'm' dummy variables and an intercept term ❌ (3) '(m - 1)' dummy variables without an intercept (4) '(m + 1)' dummy variables without an intercept

सही उत्तर (Correct Answer): Option 1: 'm - 1' dummy variables and an intercept term

विस्तृत व्याख्या: Dummy Variable Trap तब होती है जब आप सभी m dummy variables और intercept डालते हैं — यह Perfect Multicollinearity पैदा करता है। यह UGC NET 2025 के नवीनतम पेपर में पूछा गया एक अत्यंत महत्वपूर्ण प्रश्न है।

🎯 UGC NET परीक्षा के लिए सभी Multicollinearity PYQs का सारांश

वर्षप्रश्न का प्रकारसही उत्तरमहत्वपूर्ण टिप्स
2016 (Paper III)GLS किन समस्याओं को ठीक करता है?Autocorrelated Disturbances और HeteroscedasticityMulticollinearity NOT by GLS
2016 (Paper III)Farrar-Glauber Test का मिलानFarrar-Glauber → Multicollinearityयह बार-बार आता है
2019 (Shift 1)GLS के बारे में सही कथन(a) and (b) are correct but (c) is not correctGLS ≠ Multicollinearity remedy
2022 (Shift 2)Multicollinearity के व्यावहारिक परिणाम(B), (D), and (E)Not BLUE, t insignificant, sensitive
2025 (Shift 2)Dummy Variable Trap'm-1' dummies + interceptPerfect Multicollinearity का उदाहरण

🔥 Multicollinearity के लिए परीक्षा टिप्स (Exam Tips) – सभी PYQs के आधार पर

यदि प्रश्न पूछे...तो सही उत्तर है...स्रोत
"GLS method किन समस्याओं को ठीक करता है?"Heteroscedasticity और Autocorrelation (Multicollinearity नहीं)2016, 2019
"Farrar-Glauber Test किस समस्या का पता लगाता है?"Multicollinearity2016
"Goldfeld-Quandt Test किस समस्या का पता लगाता है?"Heteroscedasticity2016
"Durbin-Watson Test किस समस्या का पता लगाता है?"Autocorrelation2016
"Multicollinearity में OLS BLUE रहता है?"❌ नहीं — variance बढ़ जाता है2022
"Multicollinearity में t-ratio कैसा होता है?"Statistically insignificant2022
"m categories के लिए कितनी dummy variables चाहिए?"m-1 dummy variables + intercept2025

💡 अतिरिक्त महत्वपूर्ण तथ्य (Exam के लिए)

  • Multicollinearity की प्रकृति: यह एक sample phenomenon है, population phenomenon नहीं
  • Classic Symptoms: High R² but few significant t-ratios; high pair-wise correlations among regressors
  • VIF Interpretation: VIF > 10 → गंभीर multicollinearity
  • Dropping Variables: यह multicollinearity का सबसे सरल उपाय है, लेकिन specification bias हो सकता है
  • First Differencing: Transforming variables by first differences multicollinearity कम कर सकता है
  • Ridge Regression: Biased estimator; Bias जोड़कर variance कम करता है
  • PCA: Correlated variables को uncorrelated components में बदलता है

📚 सारांश तालिका – सभी Concepts का Revision Table

अवधारणाएक लाइन में याद रखेंUGC NET में कैसे पूछा गया?
GLS vs MulticollinearityGLS Multicollinearity ठीक नहीं करता2016, 2019
Farrar-Glauber Test →Multicollinearity2016 Matching
Dummy Variable Trapm categories → m-1 dummies + intercept2025
Multicollinearity परिणामNot BLUE, t insignificant, sensitive2022
VIFVIF > 10 → severe multicollinearity—
Ridge RegressionBiased estimator—
📐 UGC NET Economics | Multicollinearity | Additional PYQs (2016 to 2025) Complete Module
पूर्ण गणितीय प्रारूप |

टिप्पणियाँ

एक टिप्पणी भेजें

इस ब्लॉग से लोकप्रिय पोस्ट

1st paper 3 june

🔹 1. IBID (short for ibidem ) Meaning: “In the same place” Use: When you cite the same source and the same page as the immediately previous citation . Example: Ramesh Sharma, Indian Economy , p. 45. Ibid. ➡️ Here, footnote 2 refers to the same book and page (p. 45) as footnote 1. If the page changes: 3. Ibid., p. 50. → same book, but different page. 🔹 2. LOC. CIT (short for loco citato ) Meaning: “In the place cited” Use: When you refer again to the same work and same page number as a previous (not necessarily the immediately preceding) citation. Example: Ramesh Sharma, Indian Economy , p. 45. K. Singh, Economic Growth of India , p. 72. Ramesh Sharma, loc. cit. ➡️ Here, “loc. cit.” refers back to the earlier citation of Ramesh Sharma (p. 45). 🔸 In Short Basis IBID LOC. CIT. Full form ibidem loco citato Meaning In the same place In the place cited Refers to Immediately preceding citation A previous citation (not necessarily th...
और पढ़ें

REASONING BY PIYUSH VARSHNEY

1. ALPHABETICAL SERIES  1   2  3   4 2. PAIR FORMATION 1 3. LATTER SERIES 1 4. WORD FORMATION JUMBLING DICTIONARY 1 5. CODING DECODING 1   2   3   4  5      6. DISTANCE AND DIRECTION      1   2   3   4   5 7. BLOOD RELATION 1   2   3   4 8. INEQUALITIES 1   2   3   4   9.CALANDER 1   2  3   4   5 10.CLOCK 1   2   3   4   5   6 11. VEEN DIAGRAM 1   2  3 12. RANKING 1   2   3   4 13. SYLLOGISM 1   2   3   4   5   6   7   8   9 14.CODED EQUATION 1 15.MATRIX 1 16.PUZZLE 1  2 3   4   5 17. MACHINE INPUT 1   2   3   4 18. SITTING ARRANGEMENT 1   2   3   4   5   6 19.STATEMENT ASSUMPTION 1  2 20. STATEMENT ARGUMENT 1   2 21. COURSE OF ACTION 1 22. CAUSES AND EFFECT 1 23. STATEMENT AND CONCL...
और पढ़ें

16 Econometrics (OLS under Violations)

UGC NET ECONOMICS: HETEROSCEDASTICITY, AUTOCORRELATION & SIMULTANEOUS EQUATIONS - OFFICIAL PYQs (2025 TAK) COMPLETE MODULE 📊 HETEROSCEDASTICITY, AUTOCORRELATION, और SIMULTANEOUS EQUATIONS के तहत OLS के व्यवहार पर 2025 तक के सभी आधिकारिक UGC NET प्रश्न (PYQs) नीचे HETEROSCEDASTICITY, AUTOCORRELATION, और SIMULTANEOUS EQUATIONS के तहत OLS के व्यवहार पर 2025 तक के सभी आधिकारिक UGC NET प्रश्न (PYQs) दिए गए हैं, जिनमें उनके सटीक वर्ष, शिफ्ट, और हल का विवरण दिया गया है। 📊 त्वरित सारांश (CHEAT SHEET) स्थिति OLS UNBIASED? OLS BLUE? OLS CONSISTENT? क्या करें? HETEROSCEDASTICITY ✅ हाँ ❌ नहीं ✅ हाँ GLS / WLS / ROBUST STD. ERRORS AUTOCORRELATION ✅ हाँ ❌ नहीं ✅ हाँ (कुछ शर्तों में) GLS / NEWEY-WEST STD. ERRORS SIMULTANEOUS EQUATIONS ❌ नहीं ❌ नहीं ❌ नहीं 2SLS / ILS / FIML 🔷 A. HETEROSCEDASTICITY (विषमविचरणता) – OFFICIAL PYQS 📅 UGC NET OFFICIAL PYQ - SEPTEMBER 2020 (EVENING SHIFT) प्...
और पढ़ें