2. NATURALEZA
El término, multicolinealidad se
atribuye a Ragnar Frisch.
Originalmente, significó la existencia
de una relación “PERFECTA” o exacta
entre algunas o todas las variables
explicativas.
Hoy en día no necesariamente tiene
que ser perfecta.
3. GENERALIDADES
Es un hecho real que muchas de
nuestras variables explicativas son
altamente colineales.
La información no reunida mediante
experimentos formales algunas veces
no ofrece mucha claridad sobre los
parámetros de interés.
5. Fuentes de Multicolinealidad
1. Método de Recolección de Información: Obtención de
muestras en un intervalo limitado de valores.
2. Restricciones en el modelo o en la población objeto
de muestreo
3. Especificación del modelo
4. Modelos sobredeterminados: Cuando el modelo tiene
mas variables explicativas que el número de
observaciones.
5. Las variables del modelo comparten una tendencia
en común: Es que estos aumente o disminuyan a lo
largo del tiempo.
6. SUPUESTOS
El supuesto Nº 10:
No hay multicolinealidad perfecta: Es decir, no hay
relaciones perfectamente lineales entre las variables
explicitas.
El supuesto Nº 7 y Nº 8 son complementarios al Nº 10
Nº7: El número de observaciones n debe ser mayor
que el número de parámetros por estimar.
Alternativamente, el número de observaciones n debe
ser mayor que el número de variables explicitas.
Nº 8: Variabilidad en los valores de X. No todos los
valores de X en una muestra dada deben ser iguales.
7. CONSECUENCIAS TEÓRICAS DE LA
MULTICOLINEALIDAD
Los modelos siguen siendo MELI
Micronumerosidad. Relación con el tamaño de la
muestra.
En las investigaciones falta atención al tamaño de la
muestra.
Estimar cuando existe multicolinealidad perfecta, no
permite desenredar las influencias separadas de las X
de la muestra dada y por ende obtener una solución
única para los coeficientes de regresión individual.
8. El defecto que presenta la
multicolinealidad es obtener coeficientes
estimados con ee grandes.
La multicolinealidad es un fenómeno
muestral, en el sentido en que aun si las
variables X no están linealmente
relacionadas en la población, pueden
estarlo en la muestra particular disponible.
9. EJEMPLO
Consumo 1 2 Ingreso 3 Riqueza i
La gente con mayor riqueza
generalmente tiende a tener ingresos
más altos.
Puede suceder que cuando se tome la
información, las variables estén
altamente correlacionadas.
Es difícil determinar la influencia
individual de las variables.
10. Ejemplo de detección de la Multicolinealidad
r11 r12 r13
r21 r22 r23
r31 r32 r33
A B C
A 1 0,4 0,99
B 0,4 1 0,5
C 0,99 0,5 1