Académique Documents
Professionnel Documents
Culture Documents
Multicolinealidad
CAPITULO 5
MULTICOLINEALIDAD
[5.1]
Donde:
E ( i ) 0
E ( i , j ) 0
E ( i2 ) u2
[5.2]
Ya que esta situacin implica la relacin de dos variables por lo general se le atribuye la denominacin de
colinealidad.
Econometra bsica
Multicolinealidad
2 X 2 i 3 X 3i 0
[5.3]
[5.4]
E ( i ) 0
E ( i , j ) 0
E ( i2 ) u2
Si se cumple que,
X 2 X 3i 0
[5.5]
Yi 1 ( 2 3 ) X 3i i
[5.6]
yi
3i y i
2i
x
x x
Utilizando [5.5]
2
2i
2i
x x
x
3i
3i
2
3i
2i
2
3
[5.7]
Econometra bsica
Multicolinealidad
x 2 i x 3i
Reemplazando en [5.7]
2
x 3i y i
2
x 3i
x 3i y i
2
3
[5.8]
Obsrvese que
2
3i
y i 2 x32i 3 x32i
Econometra bsica
Multicolinealidad
tendrn varianzas grandes.2 Por ejemplo, para el modelo dado por [6.4] su
varianza es:
VAR ( 2 )
U2
x 22i (1 r232 )
U2
VAR ( 3 )
x32i (1 r232 )
En estas frmulas dadas, si existe una relacin lineal entre las variables
2
exgenas de forma que r23 es cercano a uno es fcil percibir que las
varianzas de los coeficientes de regresin sern grandes.
5.2 CONSECUENCIAS
Por un lado, en presencia de multiocolinealidad aun cuando los
coeficientes de regresin tienen varianzas grandes 3 es necesario destacar
que no se viola las propiedades estadsticas deseables de los
estimadores obtenidos mediante el mtodo de mnimos cuadrados
ordinarios.4
Por otro lado, es posible tericamente mantener el criterio de que en un
modelo poblacional, las variables explicativas no se encuentran
linealmente relacionadas y posteriormente encontrar para una muestra
determinada, que si lo estn. Por tanto, la multicolinealidad se reducira
fundamentalmente a un problema muestral.
De modo que frente a un problema de multicolinealidad en la prctica nos
enfrentamos a las siguientes consecuencias:
a) Variancias y covariancias grandes para los estimadores mnimos
cuadrticos.
b) Intervalos de confianza sustancialmente amplias
c) "t" de student no significativas.
d) Valor elevado de R2 con "t" de student no significativas.
e) Alto grado de sensibilidad de los estimadores mnimo cuadrticos y
sus errores estndar ante cambios pequeos en los datos.
5.3 DETECCION
2 En general, la multicolinealidad tiene como efecto que sea difcil separar con exactitud las influencias respectivas de
las variables explicativas (exgena) sobre la variable explicada (endgena).
Econometra bsica
Multicolinealidad
FC
R22.345 /( k 2)
(1 R22.345 ) /( N k 1)
Ha :
3 4 5 0
3 4 5 0
6 Este no es un mtodo infalible. Por ejemplo, si estamos frente a un modelo Y i=1+2X2+3X3+4X4+Ui. Si resulta que
X2+X3=X4 tendramos una situacin de multicolinealidad perfecta. No obstante, los coeficientes de correlacin simple
entre cualquier par de estas X seran bastante bajos.
Econometra bsica
Multicolinealidad
CONCLUSION
En presencia de multicolinealidad, siendo el R 2 alto, si el objetivo no
es obtener la estimacin confiable de los parmetros, sino la
prediccin, entonces este problema no es necesariamente mala.
Siendo el problema el problema de multicolinealidad un problema de
grado no es inmediatamente detectable de forma numrica.
Para detectar el problema de multicolinealidad no existen mtodos
seguros solamente algunas reglas generales. Por ello en algunos
casos mediante un mtodo determinado es posible que se muestren
que existe multicolinealidad y en otros no.
La multicolinealidad menos que perfecta es un problema de datos
defectuosos. En general, en economa generar un conjunto de datos
adicionales es complicado por ello su solucin suele apuntar con ms
frecuencia a obtener ms datos enfrentando el problema de
multicolinealidad como un problema de nmero de observaciones
reducidas.
7 Si el FC
Econometra bsica
Multicolinealidad
ANEXO E
NOCIONES BASICAS DE EVIEWS 3.1
MULTICOLINEALIDAD
5.1 PRUEBA DE MULTICOLINEALIDAD IMPERFECTA
a) Sntomas clsicos del problema
Econometra bsica
Multicolinealidad
Estando en el Workfile8
Seleccionar View/Correlations
Econometra bsica
Multicolinealidad
Econometra bsica
Multicolinealidad 10
Econometra bsica
Multicolinealidad 11
Procs/Specify/Estimate
Realizar sendas regresiones entre el total de variables exgenas
Introducimos los cambios deseados haciendo que
alternativamente cambie una variable exgena a endgena.
Econometra bsica
Multicolinealidad 12
= 0.30113286
R M PBI .CSP GG RIN TCR
= 0.34898567
R M GG .CSP . PBI RIN TCR = 0.11087831
R M RIN .CSP PBI GG TCR
= 0.03778889
RM TCR . PBI CSP GG RIN
= - 0.63929805
Ejemplo para calcular RM TCR . PBI CSP GG RIN :
Estando en el Workfile
Econometra bsica
Multicolinealidad 13
Estando en el Workfile
Estando en el Workfile
Econometra bsica
Multicolinealidad 14
Estando en el Workfile
Pulsar OK
Estando en el Workfile
Econometra bsica
Multicolinealidad 15
g) Regresiones auxiliares
Estando en el Workfile
Econometra bsica
Multicolinealidad 16
Econometra bsica
Multicolinealidad 17
Sym XX=@inner(Group02)
Vector VP=@eigenvalues(XX)
Con el ratn pulsar dos veces sobre el icono de VP, y en la lnea de
comandos escribir sucesivamente.
Scalar k1=1.95E+10/0.313803
= 62,140897,314.6
Scalar IC1=k1^0.5
= 249,280.760017
Vector V=@getmaindiagonal(XX)
Sym MD=@makediagonal(V)
Sym S=@inverse(sqr(MD))
Sym XXn=S*XX*S
Vector VPRO=@eigenvalues(XXn)
Con el ratn pulsar dos veces sobre el icono de VPRO, y en la lnea de
comandos escribir sucesivamente.
Scalar k2=5.867601/0.001040
= 5641.92403846
Econometra bsica
Multicolinealidad 18
Scalar IC2=(k2)^0.5
= 75.1127421844
b) Transformacin de variables
Una de las razones por la cual existe alta multicolinealidad entre las
variables es que en el tiempo estas tienden a moverse en la misma
direccin. Se puede reducir el grado de dependencia recurriendo al
siguiente procedimiento:
S la relacin:
Econometra bsica
Multicolinealidad 19
Estando en el Workfile
Estando en el Workfile
Seleccionar la variable endgena transformada (DM) seguida del resto
de variables exgenas transformadas
(DCSP,DGG,DPBIR,DTCR,DRIN) presionando la tecla ctrl.
pulsar OK.
Econometra bsica
Multicolinealidad 20
ANEXO C
Varianza del coeficiente de Regresin Parcial
Considerando el siguiente modelo:
Yi 1 2 X 2i 3 X 3i 4 X 4i i
y su varianza:
var( B ) ( X ' X ) 1 u2
var( B ) x x
x x
x x
x
x x
2
2i
2i
3i
2i
4i
2i
x x
x x
x
3i
2
3i
4i
4i
3i
4i
2
4i
3i
2i
u2
De donde:
x
x x
x x
x
x
x x x x
x x
x
x x
x x x x
x
2
3i
var( 2 )
4i
2
2i
3i
4i
3i
3i
2i
3i
2
3i
2i
2i
4i
2
4i
4i
2
u
2i
3i
3i
4i
4i
2
4i
nS 3 S 3 r33 nS 3 S 4 r34 2
u
nS 4 S 3 r43 nS 4 S 4 r44
var( 2 )
nS 2 S 2 r22 nS 2 S 3 r23 nS 2 S 4 r24
nS 3 S 2 r32
nS 4 S 2 r42
nS 3 S 3 r33
nS 4 S 3 r43
nS 3 S 4 r34
nS 4 S 4 r44
Econometra bsica
var( 2 )
n S3S4
n3S2 S3S4
Multicolinealidad 21
S3
S 4 r34
S 3 r43
S4
u2
S2
S 3 r23 S 4 r24
S 2 r32
S 2 r42
1
var( 2 )
nS 2
S 3 r33
S 3 r43
S3
S 3 r43
S 4 r34
S4
S2
S 2 r32
S 3 r23
S3
S 4 r24
S 4 r34
S 2 r42
S 3 r43
S4
S 4 r34
S4
u2
S 3 S 4 (1 r342 )
1
var( 2 )
u2
2
nS 2 S 2 S 3 S 4 (1 r34 ) S 2 S 3 S 4 r23 ( r23 r34 r24 ) S 2 S 3 S 4 r24 (r23 r34 r24 )
var( 2 )
(1 r342 )
1
u2
2
2
nS 2 (1 r34 ) r23 (r23 r34 r24 ) r24 (r23 r34 r24 )
var( 2 )
(1 r342 )
1
u2
2
2
2
2
x 2i (1 r34 ) [r23 r23 r34 r24 r24 r23 r34 r24 )
var( 2 )
1
1
[
] u2
2
2
2
2
x
(
1
r
)
[
r
r
r
r
r
r
r
r
)
2i
34
23
23 34 24
24 23 34
24
2
(1 r34 )
var( 2 )
1
1
[
] u2
2
2
2
x 2i 1 [r23 2r23 r34 r24 r24 )
(1 r342 )
var( 2 )
1
1
[
] u2
2
2
x 2i 1 R2.34
var( 2 )
u2
x 22i (1 R22.34 )