In short the assumption of no multi

In short the assumption of no multicollinearity requires that in the PRF we include only those variables that are not exact linear functions of one or more variables in the model. Although we will discuss this topic more fully in Chapter 10, a couple of points may be noted here.
First, the assumption of no multicollinearity pertains to our theoretical (i.e., PRF) model. In practice, when we collect data for empirical analysis there is no guarantee that there will not be correlations among the regres- sors. As a matter of fact, in most applied work it is almost impossible to find two or more (economic) variables that may not be correlated to some extent, as we will show in our illustrative examples later in the chapter. What we require is that there be no exact relationships among the regres- sors, as in Eq. (7.1.9).
Second, keep in mind that we are talking only about perfect linear rela- tionships between two or more variables. Multicollinearity does not rule out nonlinear relationships between variables. Suppose X3i = X2 . This does not violate the assumption of no perfect collinearity, as the relationship between the variables here is nonlinear.

Kết quả (Việt) 1:

Trong ngắn hạn, giả định không có multicollinearity đòi hỏi ở PRF của chúng tôi bao gồm chỉ những biến mà không phải là chức năng tuyến tính chính xác của một hoặc nhiều biến số trong mô hình. Mặc dù chúng tôi sẽ thảo luận về chủ đề này đầy đủ hơn trong chương 10, một vài điểm có thể được ghi chú ở đây.Trước tiên, giả định của multicollinearity không liên quan đến lý thuyết của chúng tôi (ví dụ, PRF) mô hình. Trong thực tế, khi chúng tôi thu thập dữ liệu cho các phân tích thực nghiệm có là không có bảo đảm rằng sẽ không có tương quan giữa regres-sors. Thực tế, trong công việc đặt áp dụng nó là hầu như không thể nhiều hai hay biến hơn (kinh tế) có thể không được tương quan đến một số phạm vi, như chúng tôi sẽ hiển thị trong ví dụ minh họa của chúng tôi sau này trong các chương. Những gì chúng tôi yêu cầu là có là không có mối quan hệ chính xác giữa regres-sors, như trong Eq. (7.1.9).Thứ hai, hãy nhớ rằng chúng ta đang nói chỉ về hoàn hảo tuyến tính rela-tionships giữa hai hay nhiều biến. Multicollinearity không loại trừ phi tuyến mối quan hệ giữa các biến. Giả sử X3i = X2. Điều này không vi phạm các giả định không có collinearity hoàn hảo, như các mối quan hệ giữa các biến đây là phi tuyến.

Kết quả (Việt) 2:

Trong ngắn giả định không có đa cộng đòi hỏi trong PRF chúng tôi chỉ bao gồm các biến không được chính xác hàm tuyến tính của một hay nhiều biến trong mô hình. Mặc dù chúng ta sẽ thảo luận về chủ đề này đầy đủ hơn trong chương 10, một vài điểm cần lưu ý ở đây.
Đầu tiên, giả định không có đa cộng liên quan đến (ví dụ, PRF) mô hình lý thuyết của chúng tôi. Trong thực tế, khi chúng tôi thu thập dữ liệu để phân tích thực nghiệm không có đảm bảo rằng sẽ không có mối tương quan giữa các sors hồi quy. Như một vấn đề của thực tế, trong việc áp dụng nhiều nhất đó là hầu như không thể fi thứ hai hay nhiều biến (kinh tế) mà có thể không được liên quan đến một mức độ nào, như chúng ta sẽ thấy trong các ví dụ minh họa của chúng tôi sau này trong chương này. Những gì chúng ta cần là có thể không có mối quan hệ chính xác giữa các sors hồi quy, như trong phương trình. (7.1.9).
Thứ hai, hãy nhớ rằng chúng ta chỉ nói về các mối quan hệ hoàn hảo tuyến tính giữa hai hay nhiều biến. Đa cộng tuyến không loại trừ các mối quan hệ tuyến tính giữa các biến. Giả sử X3i = X2. Điều này không vi phạm các giả định không có cộng tuyến hoàn hảo, như mối quan hệ giữa các biến ở đây là phi tuyến.