UNIVERSIDAD MAYOR DE SAN ANDRES

INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521

GUIA 4
MULTICOLINEALIDAD
CONCEPTO

La Multicolinealidad se define como la existencia de una relación lineal perfecta a exacta

entre algunas a todas las variables explicativas de un modelo.

DETECCION DE LA MULTICOLINEALIDAD
1. INDICADORES ESTADISTICOS
Razones “t” no significadas Coeficiente de determinación Significación global elevado
Se acepta Ho: 𝛽 = 0 elevado Se rechaza
de una o más variables 𝐻𝑜: 𝛽2 + 𝛽3 + ⋯ + 𝛽𝑘 = 0
explicitas 𝑅2 → 1 𝐹𝑐𝑎𝑙𝑐 ≫ 𝐹𝑡𝑎𝑏𝑙𝑎𝑠
𝑡𝑐𝑎𝑙𝑐 < 𝑡𝑡𝑎𝑏𝑙𝑎𝑠

2. REGLA DE KLEIN
Aclaración:
|𝑟𝑋𝑖 𝑋𝑗 | → 1 |𝑟𝑋𝑖 𝑋𝑗 | ≥ 8 𝑟𝑋𝑖 𝑋𝑗 = 𝑟𝑋𝑗𝑋𝑖

3. RELACION LINEAL ENTRE LAS VARIABLES EXPLICITAS

𝑋𝑖 = 𝑘𝑋𝑗 𝑋𝑖 ~𝑓(𝑋𝑗 ) 𝑋𝑖 ~𝑓(𝑋𝑗 , 𝑋2 , . . 𝑋𝑘 )

4. MATRIZ DE CORRELACIONES SIMPLES

|𝑅𝑋 | ∈ [0,1] |𝑅𝑋 | = 0 |𝑅𝑋 | = 1

𝑀𝑈𝐿𝑇𝐼𝐶𝑂𝐿𝐼𝑁𝐸𝐴𝐿𝐼𝐷𝐴𝐷 𝑃𝐸𝑅𝐹𝐸𝐶𝑇𝐴 𝑂𝑅𝑇𝑂𝐺𝑂𝑁𝐴𝐿𝐼𝐷𝐴𝐷

5. CONTRASTE DE FARRAR GLAUDER

i. Planteamiento de la hipotesis ii. Estadistico de prueba
𝐻𝑜: |𝑅𝑋 | = 1 2𝑘 + 5
𝐺 = − [𝑛 − 1 − ( ] ∗ ln(|𝑅𝑋 |)
𝐻𝑎: |𝑅𝑋 | ≠ 1 6
𝑘 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜𝑠
|𝑅𝑋 | = 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠
iii. Contraste iv. Conclusion
2
A un nivel de significancia del ….. se rechaza la Ho,
𝐺~𝑋𝑘(𝑘−1) existe presencia de Multicolinealidad
,𝛼
2
2
𝑅𝑅: 𝐺 > 𝑋𝑘(𝑘−1) 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜 A un nivel de significancia del ….. se acepta la Ho, no
,𝛼
2 existe presencia de Multicolinealidad (∃
2
𝑅𝑅: 𝐺 < 𝑋𝑘(𝑘−1) 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜 Ortoganilidad)
,𝛼
2

Aux. Univ. Claret Cory Altamirano 1

 UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521

6. EXAMEN DE CORRELACIONES PARCIALES

𝑅 2 𝑚𝑢𝑦 𝑒𝑙𝑒𝑣𝑎𝑑𝑜 𝑟1𝑖 − 𝑟1𝑗 ∗ 𝑟2𝑖,𝑗 𝐶𝑂𝑉(𝑋, 𝑌) 𝑛 ∑ 𝑋𝑌 − (∑ 𝑋𝑖 )(∑ 𝑋𝑗 )

𝑟1𝑖,𝑗 = 𝑟𝑌,𝑋 =
2 2 2
𝑅 2 > 𝑟1,2,3 ; 𝑟1,3,2 ; 𝑟1,𝑖,𝑗 √(1 − 𝑟21𝑗 ) ∗ (1 − 𝑟2𝑖 𝑗 ) √𝑉[𝑋] ∗ 𝑉[𝑌] √𝑛 ∑ 𝑋 2 − (∑ 𝑋𝑖 )2 ∗ √𝑛 ∑ 𝑌 2 − (∑ 𝑌𝑖 )2

yu
7. REGRESIONES AUXILIARES
Regresion de 𝑋𝑗 sobre las demas 𝑋𝑖 Obtener 𝑅 2 auxiliar
𝑋𝑗 = 𝛼1 + 𝛼2 𝑋2𝑖 + 𝛼3 𝑋3𝑖 + ⋯ + 𝛼𝑘 𝑋𝑘𝑖 𝑅 2𝑋𝑗,𝑋3 …….𝑋𝑘𝑖

i. Planteamiento de la hipotesis ii. Estadistico de prueba

𝑅 2𝑋𝑗 ∗𝑋3 …….𝑋𝑘𝑖
𝐻𝑜: 𝑅 2𝑋𝑗 ,𝑋2, 𝑋3…….𝑋𝑘𝑖 = 0 𝑘−2
𝐹𝑐 =
𝐻𝑜: 𝑅 2𝑋𝑗 ,𝑋2, 𝑋3…….𝑋𝑘𝑖 ≠ 0 (1 − 𝑅 2𝑋𝑗∗𝑋3 …….𝑋𝑘𝑖 )
𝑛−𝑘
𝑘 = # 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑥𝑝𝑙𝑖𝑐𝑖𝑡𝑎𝑠
iii. Contraste iv. Conclusion
(𝑘−2)(𝑛−𝑘)
𝐹𝑗 ~𝐹𝛼
A un nivel de significancia del --- se rechaza la
(𝑘−2)(𝑛−𝑘)
𝑅𝑅: 𝐹𝑗 > 𝐹𝛼 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜 Ho por tanto 𝑋𝑗 esta correlacionado 𝑋𝑖 𝑛
(𝑘−2)(𝑛−𝑘)
𝑅𝑅: 𝐹𝑗 < 𝐹𝛼
𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜

8. FACTOR DE AGRANDAMIENTO DE LA VARIANZA (FAV)

Regresion de 𝑋𝑗 sobre las demas 𝑋𝑖 Donde 𝑅𝑗2 es el coeficiente de determinacin obtenido al
efectuar la regresion 𝑋𝑗 sobre el resto de las variables
𝑋𝑗 = 𝛼1 + 𝛼2 𝑋2𝑖 + 𝛼3 𝑋3𝑖 + ⋯ + 𝛼𝑘 𝑋𝑘𝑖 independientes del modelo

Calcular el FAV para cada regresion Si:

1 𝐹𝐴𝑉 > 10 𝑃𝑟𝑒𝑠𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
𝐹𝐴𝑉[𝛽̂𝑗 ] =
(1 − 𝑅𝑗2 ) 𝐹𝐴𝑉 > 20 𝑃𝑟𝑒𝑠𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑 preocupante

9. NUMERO DE CONDICION
Calcular el numero de condicion Según la medida de Belsey Kuck , para
autovalores de la matriz 𝑅𝑋𝑋 :
𝜆𝑚𝑎𝑥
𝑘(𝑋) = √ 20 < 𝑘 > 10 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒
𝜆𝑚𝑖𝑛
𝑘 > 30 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑 𝑠𝑒𝑔𝑢𝑟𝑎
DONDE: 𝜆 es el autovalor mas grande y pequeño de la matriz 𝑋 𝑇 𝑋 o la matrix de correlacines 𝑅𝑋𝑋

Aux. Univ. Claret Cory Altamirano 2

 UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521

10. MEDIDA DE THEIL

𝑅 2 es el coeficiente de determinacion del 𝑅𝑗2 es el coeficiente de determinacin de una
modelo completo regresion auxiliar en la que se excluye el
regresor j
Calcular: Si:
2
𝑚 = 𝑅𝑔𝑙𝑜𝑏𝑎𝑙 2
− ∑(𝑅𝑔𝑙𝑜𝑏𝑎𝑙 − 𝑅𝑗2 ) 𝑚→0 𝑒𝑠 𝑜𝑝𝑡𝑖𝑚𝑜
𝑚→1 𝑃𝑟𝑒𝑠𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑

METODOS DE SOLUCION DE LA
MULTICOLINEALIDAD
1. Eliminacion de variables sospechosas Valor atipico

*El menor valor significa que la variable 2

∆𝑅𝑗 = (𝑅𝑔𝑙𝑜𝑏𝑎𝑙 − 𝑅𝑗2 )
excluida no aporta significativamente al 𝑅𝑗 → 𝐸𝑥𝑐𝑙𝑢𝑖𝑟 𝑙𝑎 𝑋𝑗
modelo.
2. Aumentar el tamaño de la muestra En caso de tener pocas observaciones o datos

3. No hacer nada Porque la multicolinealidad es un problema de

los datos.

EJERCICIOS DE CLASE

1. En un estudio econométrico se estudió los ingresos de Explotación (INEX), el

consumo (CONS), los Gastos de personal (GPER) y los gastos de explotación
(GEX) relativos al sector de metalurgia y fabricación de productos metálicos
para 17 comunidades autonómicas de España, habiéndose obtenido los
siguientes resultados.

a) Analice que observaciones de carácter estadístico presenta la estimación.

b) Aplique los siguientes métodos: Farrar-Glauber, Test de Theil, Número de condición
de orden y Factor de Agrandamiento de la Varianza.
c) Realizar la prueba de regresiones auxiliares.
d) Proponga una solución coherente (en función a los resultados de b) al problema
presentado.
Información Adicional:

Aux. Univ. Claret Cory Altamirano 3

 UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521

2. Una empresa de autobuses desea estimar la demanda de pasajes (DP), en función

del precio (P) de los mismos, de la calidad del servicio (CS) evaluada a través de
los gastos que la empresa realiza para la mejora del mismo y de la demanda de
pasajes en el periodo anterior. Utilizando el método MCO se ha obtenido el
siguiente resultado:

a) Analice que observaciones de carácter estadístico presenta la estimación.

b) Con el resultado de a) Describa y aplique un método adecuado para determinar
posibles problemas econométricos.
c) En base al resultado de b) proponga un modelo adecuado.

PRACTICA N° 1

1. Con los datos de la matriz de correlaciones del modelo:

Aux. Univ. Claret Cory Altamirano 4

 UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521

Evalúe la presencia de Multicolinealidad sabiendo que 𝑅2=0,9973

a) Regla de Klein
b) Examen de correlaciones parciales
c) Obtener los autovalores de la matriz 𝑅𝑥𝑥 y realizar la prueba de Número de
condición.

2. Un modelo recoge la relación entre los ingresos salariales, el gasto en consumo

del bien y la riqueza. La información disponible, comprende seis datos:

a) Analice que observaciones de carácter estadístico presenta la estimación.

b) Explique y aplique los siguientes métodos: Farrar-Glauber, Test de Theil, Número de
condición de orden, Factor de Agrandamiento de la Varianza y regresiones Auxiliares.
c) Proponga una solución coherente (en función a los resultados de b) al problema
presentado.
Adicional:

FECHA DE PRESENTACION 28/10/20 HASTA LAS 23:59 PM.

Aux. Univ. Claret Cory Altamirano 5