Ejercicio 45

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:

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.

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.

Podemos detectar que existe colinealidad, verificando en la determinante de la matriz de

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

La medida de Klein, es otra forma de verificar si existe o no colinealidad, y para lo cual

ejecutaremos las siguientes ecuaciones:
 ^
RAR=92750.42−0.673353 RNR +0.998540 RR

^
RNR=¿ 52908.45−0.229818 RAR +0.229532 RR ¿
 ^
RR=−9.2869.55+1.001461 RAR+ 0.676788 RNR

Después de realizar las ecuaciones, podemos proceder a aplicar la ecuación de la medida de

Klein, que nos da como resultado en cada ecuación.
2
σ bt 1
2
= 2
σ burt 1−R j

RAR C RNR RR = 1.000.000

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

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

R² – 0.003023 = 0.996698 – 0.003023 = 0.993675

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.

De lo cual generamos nuevos valores en la ecuación:

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

Y luego podemos proceder a ejecutar el programa:

Ya verificado que solo el valor de la constante nos esta ocasionando problemas en la ecuación,
podemos proceder a eliminarla y generamos una nueva ecuación.

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