Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
c) En caso de haber detectado colinealidad en elmodelo, corregir este problema y estudiar
la informacion de la colinealidad en la varianza de los estimadores.
DESARROLLO
d) Estimar por MCO el modelo lineal de consumo público que incluye como regresores una
constante y las tres variables señaladas
^ = 3406813.+1.853373RAR-12.31877RNR-1.721797RR
CP
Las probabilidades individuales de las variables regresoras son mayores que 0.05 por lo tanto
individualmente estas no son buenas para el modelo. La probabilidad F, excepto la constante,
nos indica que las variables del modelo en conjunto son buenas,
Por estos motivos y por que el R², es demasiado elevado, se puede decir que existe un
problema de colinealidad.
b) Detectar en el modelo estimado en el literal anterior la presencia de colinealidad.
determinante de la matriz de correlación.
^
RNR=¿ 52908.45−0.229818 RAR +0.229532 RR ¿
^
RR=−9.2869.55+1.001461 RAR+ 0.676788 RNR
Los valores resultantes al aplicar esta medida, deben ser de50 como máximo, sino la medida nos
indicaría que existe un problema de colinealidad.
Otra de las formas para comprobar si existe colinealidad, es aplicar la medida de Theil; para lo
cual analizaremos las ecuaciones auxiliares que realizaremos, a las cuales se omitiran una
variable explicativa, y extraeremos su R².
.
R² Original - R² Auxiliar1= 0.996698-0.996519 = 0.000179
R² Original - R² Auxiliar2= 0.996698-0.994009 = 0.002689
R² Original - R² Auxiliar 3= 0.996698-0.996543 = 0.000155
⅀ = 0.003023
En conclusión podemos decir que una vez calculada la medida de Theil, observamos que el valor
no dista mucho del coeficiente de determinación de la Regresión completa, por lo que se puede
admitir que existe colinealidad; pues si los regresores fueran ortogonales, la medida m =0.
Para corregir este problema de colinealidad, se realizan operaciones con otra variable del mismo
modelo, de preferencia dividimos todas las variables del modelo de regresión ejecutado, para
esta nueva variable.
CPC = CP/RESID
RARC = RAR/RESID
RNRC = RNR/RESID
RRC = RR/RESID
Esta ecuación nos indica que tenemos un modelo muy bueno. Y que no presenta ningún
problema de colinealidad en sus variables.