Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MULTICOLINEALIDAD
MULTICOLINEALIDAD
2. Los intervalos de confianza tienden a ser mucho más amplios, lo que hace más
posible aceptar una hipótesis nula de cero.
5. Los estimadores MCO y sus errores estándar pueden ser sensibles a pequeños
cambios en la información.
4. ¿Cómo se detecta?
Cuando los modelos tienen más de dos variables explicativas los coef de correlación
de orden cero no son una herramienta segura para det si existe o no multicolinealidad,
a diferencia si hay solo 2 var. explicativas donde si lo son.
3. Regresiones auxiliares: Una forma de det cual var. está correlacionada con las
otras var. X es realizar una regresión de cada Xi sobre las otras var. X y calcular el R2
correspondiente. Cada una de estas regresiones se llama regresiones auxiliares. Para
determinar si la variable se deja o no en el modelo se debe comparar el F calculado
con el Fi crítico al nivel de significancia seleccionado. Así si el F calculado no excede al
F crítico la variable no es colineal con las demás X, y se mantiene en el modelo; en
caso contrario se saca del modelo ya que la var. sería colineal.
Sin embargo, hemos de discernir entre el aumento del tamaño muestral de modo que
se reduzca el problema de correlación entre las variables explicativas; y: utilización de
otra clase de información extramuestral que se lleva a cabo mediante restricciones
sobre los parámetros del modelo inicial. eliminación algunas variables explicativas de la
regresión (especialmente si esto afecta poco a la bondad del ajuste); transformación de
las variables del modelo.
2. Estimación Ridge.