Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Multicolinealidad
Multicolinealidad implica que las variables
independientes están correlacionadas.
Supóngase que la altura de una persona
tiene dos predictores: peso en libras y peso
en kilos. Estos dos predictores son
redundantes, ya que el peso es único
independientemente de si se mide con
libras o kilos.
Multicolinealidad
Cuando esto ocurre, significa que al menos
una de las variables predictoras es
totalmente redundante con otras variables
del modelo.
El indicador estadístico de este fenómeno
es conocido por tolerancia.
Multicolinealidad
EVALUACIÓN DE LA MULTICOLINEALIDAD
Situación ideal:
Tener una cantidad de variables independientes altamente
correlacionadas con la variable dependiente, pero con poca
correlación entre sí
Efecto
La multicolinealidad reduce el poder predictivo de cualquier variable
independiente individual, en la medida en que está asociado con las
otras variables independientes.
A mayor colinealidad, la varianza única explicada por cada variable
independiente se reduce y el porcentaje de predicción compartida
aumenta
EVALUACIÓN DE LA MULTICOLINEALIDAD
X1 X2
X1 1 0.24183
X2 0.24183 1
Prueba de Ortogonalidad (Chi2)
En esta etapa se busca evaluar la ortogonalidad de las variables
independientes. Si el resultado de la evaluación arroja que se
rechaza la hipótesis de existencia de ortogonalidad, entonces se
aceptará la posibilidad de existencia de multicolinealidad.
= 9 -1 – ((2*2+5)/6) = 6.5
6.5 vs 3.8415
En esta etapa se busca evaluar la ortogonalidad de las variables
independientes. Si el resultado de la evaluación arroja que se
rechaza la hipótesis de existencia de ortogonalidad, entonces se
aceptará la posibilidad de existencia de multicolinealidad y se
pasa a la segunda etapa.
6.5
Prueba t entre regresores
P12 es el coeficiente de correlación
poblacional para X1 y X2
0.2418
= 0.6594
0.3667
= 0.3667
0.2418
= 0.7347
0,3291
0.6594