Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Multicolinealidad
Es cuando Dos o más variables explicativas están muy correlacionadas entre sí y los
coeficientes estimados MCO pueden ser estadísticamente NO significativos debido a una
fuerte interrelación entre las variables independientes, se hace difícil deshacer sus efectos
individuales sobre las variables dependientes. (Damonar & Dawn)
Una de las hipótesis del modelo de regresión lineal múltiple establece que no existe
relación lineal exacta entre los represores, o, en otras palabras, establece que no existe
multicolinealidad perfecta en el modelo. Esta hipótesis es necesaria para el cálculo del
vector de estimadores mínimo cuadráticos, ya que en caso contrario la matriz X'X será no
singular. (Vicens, 1998)
Se define como la existencia de una fuerte combinación lineal entre dos o mas variables
explicativas de un modelo econométrico. Si la combinación lineal es exacta, se está en
presencia de multicolinealidad exacta, si en cambio es elevada pero no llega a ser exacta,
la multicolinealidad es aproximada. (Damonar & Dawn)
La Multicolinealidad Exacta:
Sólo puede aparecer por un error en la especificación cometido por el modernizado que
ignora una igualdad o combinación lineal exacta entre variables. En el caso de que exista
una relación lineal exacta entre las variables independientes. (Vicens, 1998)
La Multicolinealidad Aproximada:
Es por la interrelación existente entre los agentes económicos, propio de este tipo de
sistema, es decir sin que exista algún tipo de marco teórico que lo respalde, producto de
senda temporal de evolución, también por la mala especificación de un modelo. Ignorar
alguna identidad o igualdad entre las variables introducidas en el modelo, esto se define
como la existencia de una relación lineal fuerte, aunque no exacta, entre dos o más
variables independientes. (Damonar & Dawn)
Se detecta por la observación de los estadísticos del modelo, si los estadísticos de análisis
conjunto (R2 y F) resultan muy elevados y por el contrario el estadístico t tiene valores
pocos significativos,no superada esta prueba, se deberá realizar otros análisis más
detallados:
Suponga que Suponga que X3i = λX2i, donde λ es una constante diferente de cero. Si
sustituimos esto en obtenemos.
Detección de la multicolinealidad
• Las correlaciones simples relativamente altas entre uno o más pares de V.I
Neter et al. (1990) consideran una serie de indicadores para analizar el grado de
multicolinealidad entre los regresores de un modelo, como por ejemplo el llamado Factor
de inflación de la Varianza (VIF) que se define:
1
𝑉𝐼𝐹𝑗 =
(1 − 𝑅𝑗2 )
Los factores de inflación de varianza (FIV) miden en qué medida la varianza de los
coeficientes de regresión estimados ha sido inflada, en comparación con un contexto en
el que las variables predictoras no están linealmente relacionadas (Damonar & Dawn).
Según este autor podemos utilizar las siguientes directrices para interpretar VIF
FIV = 1 No correlacionados