SUPUESTOS DEL MCO

relación
1 parametros = coeficientes Y X DESV COV
1 2 10 5,4
2 variable no lineal = log 2 4 13 2,4
3 6 15 0,4
4 8 20 -4,6
3 0 5 9 19 -3,6
0
15,4 0
4 varianza constante heteroscedasticidad

5 relación de errores = 0, cov = 0 autocorrelación

6 # x > a, b (cons, coef) + parámetros - grados de lib

7 cambios

8 multicolinealidad: múltiples variables indep no deben tener una relación

colinealidad
perf
R=99% variables idénticas

9 sesgo: x sin influencia sober Y

 Multicolinealidad:

No hay relaciones perfectamente lineales entre las variables explicativas. No existe multicolinealidad perfecta. Aunque todas
las variables económicas o financieras muestran algún grado de relación entre sí, ello no produce excesivas dificultades, excepto
cuando se llega a una situación de dependencia total, que es lo que se excluyó al afirmar que las variables explicativas son
linealmente dependientes.

- En resumen, el supuesto de no multicolinealidad requiere que en la FRP se incluya solamente Funcion de Regersion Poblacional
las variables que no sean funciones lineales exactas de alguna variable del modelo.
- En la práctica, cuando se recopilan datos para el análisis empírico, no hay una garantía
de que no existirán correlaciones entre las regresoras
… en conclusión lo que se quiere es que no haya relación exacta entre las regresoras

¿qué pasa si las regresoras están correlacionadas?

Es un hecho que muchas variables explicativas presentan un alto grado de colinealidad

EJEMPLO:
X2 X3 X3*
10 50 52
15 75 75
18 90 97
24 120 129
30 150 152

- ES EVIDENTE QUE HAY COLINEALIDAD PERFECTA ENTRE X2 Y X3 r23 = 1,0000

r23* = 0,9959

3 CAUSAS
Existen diversas fuentes de multicolinealidad… ...puede deberse a los siguientes factores:

1 El método de recolección de información

2 Restricciones en el modelo o en la población objeto de muestreo
3 Especificación del modelo
4 Un modelo sobredeterminado
5 sobre todo en los datos de series de tiempo

4 Estimación en presencia de multicolinealidad perfecta

… SI DOS VARIABLES X, SON MULTICOLINEALES, NO SE PODRA ¿HACER EL SUPUESTO DE Q LA OTRA X PERMANECE CONSTANTE, YA QUE AL VARIAR UNA LA OTRA TAMBIÉN LO HARÁ.

En realidad, ésta es una de las señales de multicolinealidad: valores t no significativos pero un R2 global alto y un valor F significativo

CASO: 10
Table 10.3

Y X2 X3
1 2 4
2 0 2
3 4 12
4 6 0
5 8 16

t no significativo
R2 ALTO
F significtaivo --> muestra si R2 es representativo de la poblacion

Y^ = 1,193902 + 0.4463415 X2 + 0.00304888 X3 prob 0,05

p= 0,263 n 5
ee = 0,7736 k 3
Tc= 1,54 2,42 0,04 df 2 colas=h1
Tt= 4,30 4,30 4,30 Tc > Tt SIGNIFICATIVO campana=h0
df1 núm variables indep 2
R^2 = 81,01% df2 n-k 2
r 23 = 55,23% 55%

Fc= 4,27 F(2, 2) Fc > Ft SIGNIFICATIVO

Ft= 19

cov (b2, b3) = 12 12,000

INTERPRETACION

CASO: 10,1 CONSUMO, INGRESO Y RIQUEZA

Table 10.5
Data on Consumption Expenditure,
Income and Wealth
(MILES DE DOLARES) . reg y x2 x3
Y = Consumption Expenditure, $
X2 = Income, $ Source SSdf MS Number of obs 10 =
X3 = Wealth, $ F(2, 7) = 92,4
Model 8565.55407 2 4282.77704 Prob > F 0 =
Y X2 X3 Residual 324.445926 7 46.349418 R-squared
0,9635 =
70 80 810 Adj R-squared = 0,9531
65 100 1009 Total 8890 9 987.777778 Root MSE
6,808 =
 90 120 1273
95 140 1425
110 160 1633 y Coef. Std. Err. t P>t [95%
Interval]
Conf.
115 180 1876 tc > tt = HOMOCEDASTICIDAD
120 200 2052 x2 .94153730,8228983 1.14 0.290 -1.004308
2,887383 tc < tt = MULTICOLINEALIDAD
140 220 2201 x3 -.04243450,0806645 -0.53 0.615 0,1483067
-.2331757
155 240 2435 _cons 24.77473 6,7525 3.67 0.008 8.807609
40,74186 Ho = 0 SI ESTAN DENTRO DEL AREA
150 260 2686 H1 =/ 0 SI ESTAN FUERA DEL AREA

0 Ecuación de regresión
Y^ = 24,77473 x2 .9415373 x3 -.0424345
p= 0,008 0,29 0,615
ee = 6,7525 0,8228983 0,0806645

Detección de la multicolinealidad

1 Analisis del estadistico t n 10

Tt= 2,36 k 3
Tc= 3,67 1,14 -0,53 gl 7
3,67 significativo
2 estadistico R^2
R^2 = 96,35% alto

3 estadistico F
Ft =
Fc = 92,4

4 CORRELACIONES ALTAS

5 MATRIZ DE CORRELACIONES graph matrix . graph matrix y x2 x3

6 Tolerancia y factor de inflación de la varianza

SI EL VALOR DEL VIF ES SUPERIOR A LA UNIDAD Y LA TOLERANCIA ES CERCANA A CERO SE CONFIRMA LA MULTICOLINEALIDAD ENTRE LAS VARIABLES
FIV
VIF VIF > 1, hay multi 482,13 . vif
TOLERANCIA 1/VIF= 0, hay multi 0,00
Variable VIF 1/VIF
INTERPRETACIÓN:
hay multi x2 482,13 0,002074
x3 482,13 0,002074

Mean VIF 482,13

7 INTERPRETACION

El ejemplo muestra en forma muy evidente lo que hace la multicolinealidad. El hecho de que
la prueba F sea signifi cativa pero los valores t de X2 y X3 no sean signifi cativos individualmente
implica que las dos variables están tan correlacionadas

Medidas correctivas

eliminar x o x3 n> coef

CASO: 10,2 (TABLA 10.7)

A continuación consideraremos un grupo concreto de datos sobre gasto de consumo real (C),
ingreso personal disponible real (Yd), riqueza real (W) y tasa de interés real (I) para Estados Unidos
de 1947 a 2000. Los datos originales se presentan en la tabla 10.7.

0 Ecuación de regresión
 C^ = i +u
p=
ee =

Detección de la multicolinealidad

1 Analisis del estadistico t

Tt=
Tc=

2 estadistico R^2
R^2 =

3 estadistico F
Ft =
Fc =

4 CORRELACIONES ALTAS

5 MATRIZ DE CORRELACIONES graph matrix

6 Tolerancia y factor de inflación de la varianza

SI EL VALOR DEL VIF ES SUPERIOR A LA UNIDAD Y LA TOLERANCIA ES CERCANA A CERO SE CONFIRMA LA MULTICOLINEALIDAD ENTRE LAS VARIABLES
FIV
VIF
TOLERANCIA

INTERPRETACIÓN:
SE CONFIRMA LA CORRELACON ENTRE LAS VARIABLES

Detección de la multicolinealidad

como las variables lnyd y lnw estan muy correlacionadas, eliminaremos una. lnw

CORRELACIONES ALTAS

Tolerancia y factor de inflación de la varianza

FIV
VIF
TOLERANCIA

INTERPRETACIÓN:

TRABAJO
REALIZAR NUEVAMENTE EL MODELO PERO SIN LOGARITMOS
Table 10.7 US CONSUMPTION EXPENDITURE FOR THE PERIOD 1947-2000

Year C Yd W I
1947 976,4 1035,2 5166,815 -10,35094
1948 998,1 1090 5280,757 -4,719804
1949 1025,3 1095,6 5607,351 1,044063
1950 1090,9 1192,7 5759,515 0,407346
1951 1107,1 1227 6086,056 -5,283152
1952 1142,4 1266,8 6243,864 -0,277011
1953 1197,2 1327,5 6355,613 0,561137
1954 1221,9 1344 6797,027 -0,138476
1955 1310,4 1433,8 7172,242 0,261997
1956 1348,8 1502,3 7375,18 -0,736124
1957 1381,8 1539,5 7315,286 -0,260683
1958 1393 1553,7 7869,975 -0,57463
1959 1470,7 1623,8 8188,054 2,295943
1960 1510,8 1664,8 8351,757 1,511181
1961 1541,2 1720 8971,872 1,296432
1962 1617,3 1803,5 9091,545 1,395922
1963 1684 1871,5 9436,097 2,057616
1964 1784,8 2006,9 10003,4 2,026599
1965 1897,6 2131 10562,81 2,111669
1966 2006,1 2244,6 10522,04 2,020251
1967 2066,2 2340,5 11312,07 1,212616
1968 2184,2 2448,2 12145,41 1,054986
1969 2264,8 2524,3 11672,25 1,732154
1970 2317,5 2630 11650,04 1,166228
1971 2405,2 2745,3 12312,92 -0,712241
1972 2550,5 2874,3 13499,92 -0,155737
1973 2675,9 3072,3 13080,96 1,413839
1974 2653,7 3051,9 11868,79 -1,042571
1975 2710,9 3108,5 12634,36 -3,533585
1976 2868,9 3243,5 13456,78 -0,656766
1977 2992,1 3360,7 13786,31 -1,190427
1978 3124,7 3527,5 14450,5 0,113048
1979 3203,2 3628,6 15340 1,70421
1980 3193 3658 15964,95 2,298496
1981 3236 3741,1 15964,99 4,703847
1982 3275,5 3791,7 16312,51 4,449027
1983 3454,3 3906,9 16944,85 4,690972
1984 3640,6 4207,6 17526,75 5,848332
1985 3820,9 4347,8 19068,35 4,330504
1986 3981,2 4486,6 20530,04 3,768031
1987 4113,4 4582,5 21235,69 2,819469
1988 4279,5 4784,1 22331,99 3,287061
1989 4393,7 4906,5 23659,8 4,317956
1990 4474,5 5014,2 23105,13 3,595025
1991 4466,6 5033 24050,21 1,802757
1992 4594,5 5189,3 24418,2 1,007439
1993 4748,9 5261,3 25092,33 0,62479
1994 4928,1 5397,2 25218,6 2,206002
1995 5075,6 5539,1 27439,73 3,333143
1996 5237,5 5677,7 29448,19 3,083201
1997 5423,9 5854,5 32664,07 3,12
1998 5683,7 6168,6 35587,02 3,583909
1999 5968,4 6320 39591,26 3,245271
2000 6257,8 6539,2 38167,72 3,57597