UNIVERSIDAD DE GUAYAQUIL

CUARTO SEMESTRE

DEBER Nº 4
En este ejercicio se va a estudiar la presencia de multicolinealidad y su
corrección, en un modelo que recoge la relación entre el consumo público
(CP) y tres variables relativas a la remuneración de los asalariados. En
concreto las variables consideradas son:

 Remuneración de asalariados residentes por empleadores residentes

y no residentes (RAR)
 Remuneración de asalariados residentes por empleadores no
residentes (RNR)
 Remuneración de asalariados residentes y no residentes por
empleadores residentes (RR)

La información disponible, medida en millones de unidades monetarias,

comprende el período 1987-1995 y se muestra en el siguiente cuadro
(fichero de datos Ejerc45.wf1):

Con esta información se pide:

a) Estimar por MCO el modelo lineal de consumo público que incluye

como regresores una constante y las tres variables señaladas.
b) Detectar en el modelo estimado en el literal anterior la presencia de
colinealidad.

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

c) En caso de haber detectado colinealidad en el modelo, corregir este

problema y estudiar la influencia de la colinealidad en la varianza de
los estimadores.

DESARROLLO

a)

^ = 3406813.+1.853373RAR-12.31877RNR-1.721797RR
CP

La probabilidad F, excepto la constante, nos indica que las variables del modelo en conjunto son
buenas, las probabilidades individuales de las variables regresoras son mayores que 0.05 por lo
tanto individualmente estas no son buenas para el modelo

Por estas contradicciones y por que el R², es demasiado elevado, se puede decir que existe un
problema de colinealidad,

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

b) DETERMINANTE DE LA MATRIZ DE CORRELACION

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

Para detectar si existe colinealidad, verificamos si la determinante de la matriz de correlación de

las variables es diferente de 1 o tiende a 0.
Si el determinante es 1, se dice que no hay colinealidad en las variables.
En este caso observamos que el determinante de la matriz de correlación de las variables es
0,0000008545690, es decir que es un valor que tiende a 0, por lo cual podemos decir que existe
colinealidad en las variables.

Otra forma de verificar si existe o no colinealidad, es la de aplicar la medida de Klein, para lo

cual ejecutaremos las siguientes ecuaciones:

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

Una vez realizadas las ecuaciones, procedemos a aplicar la ecuación de la medida de Klein, que
nos da como resultado en cada ecuación.

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

σ² 1
=
σ ² 1−R ²

RAR C RNR RR = 1.000.000

RNR C RAR RR = 1,19584325
RR C RAR RNR = 1.000.000

Al aplicar esta medida, los valores resultantes, deben ser de máximo 50, sino la medida nos
indica que existe un problema de colinealidad.

Otra manera de comprobar si existe colinealidad, es aplicando la medida de Theil; para lo cual
analizaremos las siguientes ecuaciones auxiliares, a las cuales omitiremos una variable
explicativa, y extraeremos su R².

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

R² Original - R² Auxiliar 1 = 0.996698-0.996519 = 0.000179

R² Original - R² Auxiliar 2= 0.996698-0.994009= 0.002689
R² Original - R² Auxiliar 3= 0.996698-0.996543 = 0.000155
⅀ = 0.003023

R² – 0.003023 = 0.996698 – 0.003023 = 0.993675

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

En conclusión, una vez calculada la medida de Theil, observamos que este valor no dista mucho
del coeficiente de determinación de la Regresión completa, por lo que puede admitirse que
existe colinealidad; ya que si los regresores fuesen ortogonales, la medida m = 0.

Para corregir este problema de colinealidad, realizamos operaciones con otra variable del mismo
modelo, de preferencia dividimos todas las variables del modelo de regresión ejecutado, para la
nueva variable.

Para esto, generamos nuevos valores en la ecuación:

CPC = CP/RESID
RARC = RAR/RESID
RNRC = RNR/RESID
RRC = RR/RESID

Y procedemos a ejecutar el programa:

Una vez verificado que solo el valor de la constante se encuentra ocasionando problemas en la
ecuación, procedemos a eliminarla y generamos una nueva ecuación a continuación.

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.

 UNIVERSIDAD DE GUAYAQUIL
CUARTO SEMESTRE

Esta ecuación nos indica que es un modelo muy bueno. Y que no presenta ningún problema de
colinealidad en sus variables.

MATERIA: ECONOMETRIA β ALUMNA: MAYRA REYES T.