Escolar Documentos
Profissional Documentos
Cultura Documentos
Multicolinealidad:
El trmino multicolinealidad fue acuado por Ragnar Frisch y se define como aquella relacin perfecta entre las variables explicativas de un modelo de regresin. Por ejemplo: para una regresin en K variables explicativas incluido en intercepto, (x1, x2, x3, ,xk) la colinealidad lineal estricta se satisface si se cumple la siguiente condicin.
Donde: son constantes que no sean simultneamente iguales a cero. Cabe aclarar que la colinealidad est referida a la existencia de una sola relacin lineal entre las variables explicativas, en tanto que la multicolinealidad se refiere a la existencia de ms de una relacin lineal exacta. Este tipo de relacin slo se presenta entre las variables explicativas que estn incluidas en el modelo. Para una mejor ilustracin veamos el siguiente ejemplo: En una economa hipottica se quiere explicar el comportamiento del consumo (Yt) en funcin del ingreso (X1t) y la riqueza: (x2t). Formalmente lo representaremos as:
Como se puede apreciar en la tabla 01, la variable explicativa x2t es igual 2x1t, por consiguiente podemos afirmar que hay colinealidad perfecta, dado que el coeficiente de correlacin es igual a 1. Sin embargo, si la variable explicativa x2t fuera totalmente indiferente de x1t se afirmara que no existe colinealidad entre x1t y x2t tal como se muestra en el siguiente cuadro Tabla 02. N 1 2 3 4 5 Yt 3 2 1 4 6 X1t 1 2 3 1 2 X2t 1 2 4 3 7
La manera ms didctica de observar la presencia o ausencia de la multicolinealidad es utilizando los diagramas de Ballentine. En el grafico 01 se puede apreciar no existe colinealidad debido a que los diagramas de las variables x1t y x2t no se interceptan, sin embargo, estn relacionadas con la variable dependiente.
Yt consumo variable dependiente x1t ingreso variable explicativa x2t riqueza variable explicativa
En el grfico 02 se puede apreciar que los diagramas de las variables x1t y x2t se interceptan levemente por lo que se afirma la presenta de colinealidad poco significativa.
En el grfico 03 se puede apreciar que los diagramas de las variables x1t y x2t se interceptan un poco ms que en el grfico 02. Afirmndose que es de colinealidad moderada.
En el grfico 06 nos muestra la presencia de coelinealidad perfecta entre las variables x1t y x2t. Este sera el caso de los datos de la tabla 01. La multicolinealidad es perfecta s los coeficientes de regresin de las variables x son indeterminados y sus errores estndares infinitos. S la multicolinealidad es menos que perfecta los coeficientes de regresin aunque determinados poseen grandes errores estndares (en relacin con los propios coeficientes) lo cual significa que no se pueden estimar con gran precisin. Si la multicolinealidad es perfecta suceden dos cosas a) No se pueden estimar los parmetros y b) Las varianzas de los
parmetros son infinitos las otras variables explicativas, una manera de averiguar cual variable x esta relacionada con otras x variables consiste en realizar una regresin de cada x con las restantes x y luego calcular el correspondiente R2 que aqu se designara como R2. Si dicho R2 es "alto" implica multicolinealidad
x1t ingreso
x2t riqueza
Si la multicolinealidad es perfecta tal como mostramos en la tabla 01, los coeficientes de las variables explicativas x1t y x2t, son indeterminados y sus errores estndares son infinitos, es decir el modelo no podra ser estimado.
Probemos con los datos de la tabla 01 que la multicolinealidad perfecta sean iguales a cero. hace que los estimadores De las ecuaciones normales sabemos 942441233