0 calificaciones0% encontró este documento útil (0 votos)
42 vistas1 página
Este documento describe dos métodos para detectar la multicolinealidad en un modelo de regresión lineal: 1) el método de la relación entre t y R2, observando si las razones t no son estadísticamente significativas a pesar de tener un coeficiente de determinación elevado; y 2) el método de la matriz de correlación, estableciendo la correlación entre las variables predeterminadas. La multicolinealidad trae consecuencias como estimaciones con gran varianza, razones t no significativas, y no poder separar el efecto individual de cada variable.
Este documento describe dos métodos para detectar la multicolinealidad en un modelo de regresión lineal: 1) el método de la relación entre t y R2, observando si las razones t no son estadísticamente significativas a pesar de tener un coeficiente de determinación elevado; y 2) el método de la matriz de correlación, estableciendo la correlación entre las variables predeterminadas. La multicolinealidad trae consecuencias como estimaciones con gran varianza, razones t no significativas, y no poder separar el efecto individual de cada variable.
Este documento describe dos métodos para detectar la multicolinealidad en un modelo de regresión lineal: 1) el método de la relación entre t y R2, observando si las razones t no son estadísticamente significativas a pesar de tener un coeficiente de determinación elevado; y 2) el método de la matriz de correlación, estableciendo la correlación entre las variables predeterminadas. La multicolinealidad trae consecuencias como estimaciones con gran varianza, razones t no significativas, y no poder separar el efecto individual de cada variable.
Detección de la multicolinealidad Uno de los supuestos del modelo de regresión lineal
Es que no debe haber
Método de la Método de la matriz relación entre t y R2 de correlación un alto grado de correlación entre las variables predeterminadas, pues esto, como se vio en clase, trae serias consecuencias que podemos resumir así: Detección de la mu Como el problema de Mediante este método multicolinealidad es un podemos determinar la problema con las variables Los estimadores por mínimos cuadrados existencia de predeterminadas, ordinarios siguen siendo lineales, insesgados y multicolinealidad establecemos una matrix de óptimos pero las estimaciones tienen varianzas y observando las razones t y si correlación entre aquellas, covarianzas grandes. estas no son es decir: estadísticamente Las razones t de uno o más coeficientes tienden significativas y contamos a ser estadísticamente no significativas, con lo con un coeficiente de que se pierde de perspectiva el análisis. determinación elevado lticolinealidad. Aun cuando la razón t de uno o más coeficientes, es estadísticamente no significativa, el coeficiente de determinación tiende a ser elevado, con lo que se demuestra que no se puede separar el efecto individual de cada variable predeterminada hacia la endógena.