Documente Academic
Documente Profesional
Documente Cultură
ECONOMETRIA
II
Escuela Acadmico Profesional de Economa
VIOLACIN A LOS
SUPUESTOS DEL MCRL:
MULTICOLINEALIDAD
MULTICOLINEALIDAD
INTRODUCCION
MULTICOLINEALIDAD
INTRODUCCION
ECONOMETRIA II
MULTICOLINEALIDAD
INTRODUCCION
MULTICOLINEALIDAD
INTRODUCCION
MULTICOLINEALIDAD
INTRODUCCION
Por supuesto, esto significa que, cuando se trata de una muestra finita,
se debe realizar la prueba explcita del supuesto de normalidad
(Anderson-Darling y Jarque-Bera). Se sugiere aplicar stas u otras
pruebas de normalidad a los residuos de la regresin Se debe tener en
cuenta que en muestras finitas sin el supuesto de normalidad, los
estadsticos usuales t y F pueden no seguir las distribuciones t y F.
Los supuestos 6, 7 y 8 estn estrechamente interrelacionados y se
analizan en el tema sobre multicolinealidad.
El supuesto 4 se estudia en el captulo sobre heteroscedasticidad.
El supuesto 5, en el captulo sobre autocorrelacin.
El supuesto 9, en el captulo sobre especificacin de modelos y prueba
de diagnstico.
El supuesto 1 se analizar como tema especial.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
NATURALEZA DE LA MULTICOLINEALIDAD
El trmino multicolinealidad originalmente, designaba una relacin
lineal perfecta o exacta entre algunas o todas las variables
explicativas de un modelo de regresin. Para la regresin con k
variables que incluye las variables explicativas X1, X2, . . . , Xk (donde
X1= 1 para todas las observaciones de forma que den cabida al
trmino del intercepto), se dice que existe una relacin lineal exacta si
se satisface la siguiente condicin:
1 1 + 2 2 + + = 0
Donde:
1 , 2 son constantes tal que no todas son simultneamente igual
a cero.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Por ejemplo:
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
0
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Donde
= 2 + 3
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
= 2 + 3 = 2
2
nos proporciona una sola ecuacin con dos incgnitas (observe que
est dada) y existen infinidad de soluciones para = 2 + 3 con
valores dados de y .
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Obtenemos:
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS TEORICAS DE LA MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS TEORICAS DE LA MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS TEORICAS DE LA MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS TEORICAS DE LA MULTICOLINEALIDAD
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS TEORICAS DE LA MULTICOLINEALIDAD
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS TEORICAS DE LA MULTICOLINEALIDAD
Pero puede suceder que en cualquier muestra dada con que se pruebe
la FRP, alguna o todas las variables X sean tan colineales que no sea
posible aislar su influencia individual sobre Y. Es decir, la muestra
falla aunque la teora establezcaque todas las X son importantes. En
resumen, la muestra puede no ser lo bastante rica para acomodar
todas las variables X en el anlisis.
Por todas estas razones, el hecho de que los estimadores de MCO sean
MELI a pesar de la presencia de multicolinealidad es poco consuelo
en la prctica.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS PRCTICAS DE LA MULTICOLINEALIDAD.
MULTICOLINEALIDAD
MULTICOLINEALIDAD
CONSECUENCIAS PRCTICAS DE LA MULTICOLINEALIDAD.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Estimadores de MCO con varianzas y covarianzas grandes
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Estimadores de MCO con varianzas y covarianzas grandes
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Estimadores de MCO con varianzas y covarianzas grandes
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Estimadores de MCO con varianzas y covarianzas grandes
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Estimadores de MCO con varianzas y covarianzas grandes
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Intervalos de confianza ms amplios
Debido a los errores estndar grandes, los intervalos de confianza para los
parmetros poblacionales relevantes tienden a ser mayores.
En casos de alta multicolinealidad, los datos muestrales pueden ser
compatibles con un diverso conjunto de hiptesis. De ah que aumente la
probabilidad de aceptar una hiptesis.
Razones t no significativas
Recuerde que para probar la hiptesis nula de que, por ejemplo, 2 = 0,
utilizamos la razn t, es decir, 2 / = 0 2 y comparamos el valor t
estimado con el valor t crtico de la tabla t. Pero, como vimos, en casos de
alta colinealidad los errores estndar estimados aumentan drsticamente, lo
que disminuye los valores t. Por consiguiente, en tales casos se acepta cada
vez con mayor facilidad la hiptesis nula de que el verdadero valor
poblacional relevante es cero.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
alta pero pocas razones t significativas
2 = 3 = = = 0
En realidad, sta es una de las seales de multicolinealidad: valores t no
significativos pero un global alto (y un valor F significativo).
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Sensibilidad de los estimadores de MCO y sus errores estndar ante
cambios pequeos en los datos
Siempre que la multicolinealidad no sea perfecta, es posible la estimacin de
los coeficientes de regresin; sin embargo, las estimaciones y sus errores
estndar se tornan muy sensibles aun al ms ligero cambio de los datos.
Por ejemplo, considere los siguientes datos hipotticos:
DATOS HIPOTETICOS DE Y, X2 y X3 Con base en estos datos obtenemos la
siguiente regresin mltiple:
Y
X2
X3
= 1.1639 + 0.44632 + 0.00303
1
2
4
2
0
2
0.7737
0.1848
(0.0851)
3
4
12
= 1.5431
2.4151 (0.0358)
4
5
ECONOMETRIA II
6
8
0
16
2 = 0.8101
23 = 0.5523
2 , 3 = 0.00868
= 2
Econ. JOSE RODRIGUEZ HERRERA
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DATOS HIPOTETICOS DE Y, X2 y X3
Y
X2
X3
1
2
4
2
0
2
3
4
0
4
6
12
5
8
16
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DATOS HIPOTETICOS DE Y, X2 y X3
Y
X2
X3
1
2
4
2
0
2
3
4
0
4
6
12
5
8
16
MULTICOLINEALIDAD
MULTICOLINEALIDAD
= 1.1639 + 0.44632 + 0.00303
0.7737
0.1848
(0.0851)
= 1.5431
2.4151 (0.0358)
2 = 0.8101
23 = 0.5523
2 , 3 = 0.00868
= 2
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo:
Datos hipoteticos sobre consumo,
ingreso y riqueza
y
X2
X3
70
80
810
65
100
1009
90
120
1273
95
140
1425
110
160
1633
115
180
1876
120
200
2052
140
220
2201
155
240
2435
150
260
2686
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo:
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
ANLISIS DE VARIANZA
0.98158
0.96350
0.95308
6.80804
10
Grados de
libertad
Regresin
Residuos
Total
Intercepcin
Variable X 1
Variable X 2
ECONOMETRIA II
2
7
9
Coeficientes
24.77473
0.94154
-0.04243
Suma de
Promedio de
cuadrados los cuadrados
F
8565.55407
4282.77704
92.40196
324.44593
46.34942
8890
Error tpico Estadstico t Probabilidad
6.75250
3.66897
0.00798
0.82290
1.14417
0.29016
0.08066
-0.52606
0.61509
MULTICOLINEALIDAD
MULTICOLINEALIDAD
La regresin muestra que el ingreso y la riqueza explican en conjunto
alrededor de 96% de la variacin en los gastos de consumo. A pesar de esto,
ningn coeficiente de las pendientes es estadsticamente significativo de
manera individual. Adems, no slo la variable riqueza es estadsticamente
no significativa, sino que tambin tiene el signo incorrecto. A priori, se
esperara una relacin positiva entre el consumo y la riqueza.
A pesar de que los estimadores no son significativos individualmente en
trminos estadsticos, si se prueba la hiptesis de que 2=3=0
simultneamente, esta hiptesis puede rechazarse.
En la hoja de respuesta de la regresin, podemos ver que el estadstico F es
altamente significativo con el valor de F=92.4019
El valor F se puede calcular teniendo en cuenta la suma de los errores al
cuadrado de la regresin y de los residuos; luego dividimos estos valores
entre su correspondiente grados de libertad. El resultado de dicha divisin se
vuelve a dividir.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
El ejemplo muestra en forma muy evidente lo que hace la multicolinealidad.
El hecho de que la prueba F sea significativa pero los valores t de X2 y X3
no sean significativos individualmente implica que las dos variables estn
tan correlacionadas que es imposible aislar el impacto individual del ingreso
o de la riqueza sobre el consumo.
Regresionar: X3 sobre X2
Regresionar: Y sobre X2
Regresionar: Y sobre X3
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio 10.27
La tabla 10.13 proporciona cifras sobre importaciones (M), PIB e ndice de
precios al consumidor (IPC) de Estados Unidos de 1975 a 2005. Se le pide
considerar el siguiente modelo:
Ln Mt=1+ 2 lnPIBt + 3 ln IPCt + mt
a) Estime los parmetros de este modelo con la informacin de la tabla.
b) Sospecha multicolinealidad en los datos?
c) Efecte las siguientes regresiones:
1) Ln Mt= A1 + A2 ln PBIt
2) ln Mt = B1 + B1 ln IPCt
3) ln PBIt = C1 + C2 ln IPCt
Con base en estas regresiones, qu puede decir sobre la naturaleza de la
multicolinealidad en los datos?
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio 10.27
Ln Mt=1+ 2 lnPIBt + 3 ln IPCt + mt
a) Estime los parmetros de este modelo con la informacin de la tabla.
El alto valor de R2 y el
valor no significativo de t
del coeficiente de Ln IPC
indican que
probablemente existe
multicolinealaidad en los
datos.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio 10.27
c) Efecte las siguientes regresiones: 1) Ln Mt= A1 + A2 ln PBIt
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio 10.27
c) Efecte las siguientes regresiones: 2) ln Mt = B1 + B1 ln IPCt
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio 10.27
c) Efecte las siguientes regresiones: 3) ln PBIt = C1 + C2 ln IPCt
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio 10.27
Con base en estas regresiones, qu puede decir sobre la naturaleza de la
multicolinealidad en los datos?
La regresin LnPBI sobre LnIPC muestran alta correlacin entre estas dos
variables, lo que sugiere que los datos sufren del problema de colinealidad.
La mejor solucin sera expresar
las importaciones y el PBI en
trminos reales, dividiendo cada
uno por el IPC (recordar el
mtodo de la razn que se
discuti en el captulo anterior.
Los resultados son los
siguientes:
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo 10.7: Funcin de consumo para EE.UU
A continuacin consideraremos un grupo de datos sobre gasto de consumo
real (C), ingreso personal disponible real (Yd), riqueza real (W) y tasa de
inters real (I) para Estados Unidos, de 1947 a 2000. Hallar la regresin de
los datos, empleando lo siguiente:
= 1 + 2 + 3 + 4 +
En este modelo, los coeficientes 2 y 3 dan las elasticidades del ingreso y
la riqueza, respectivamente; 4 da la semielasticidad.
Los resultados de la regresin se presentan en la siguiente tabla:
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo 10.7: Funcin de consumo para EE.UU
Los resultados demuestran que
todos los coeficientes estimados
son significativos desde el punto
de vista estadstico, pues sus
valores p son muy pequeos.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo 10.7: Funcin de consumo para EE.UU
Los coeficientes estimados se
interpretan como sigue: la
elasticidad del ingreso es 0.80,
lo que indica que, cuando las
dems variables se mantienen
constantes, si el Yd aumenta 1%,
la media del gasto de C aumenta
0.8%. El coeficiente de riqueza
es 0.20, lo que significa que si
la riqueza aumenta 1%, la media
del consumo se incrementa slo
0.2%, de nuevo cuando las
variables se mantienen
constantes.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo 10.7: Funcin de consumo para EE.UU
El coeficiente de la variable
tasa de inters indica que, a
medida que la tasa de inters
aumenta un punto porcentual,
el gasto de consumo disminuye
0.26%, ceteris paribus.
Todas las regresoras tienen
signos que concuerdan con las
expectativas previas, es decir,
el ingreso y la riqueza tienen
efecto positivo en el consumo,
pero la tasa de inters produce
un efecto negativo.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo 10.7: Funcin de consumo para EE.UU
Hay que preocuparse por el
problema de la multicolinealidad
en este caso? Al parecer no,
porque todos los coeficientes
tienen los signos correctos, cada
coeficiente es muy significativo
estadsticamente en lo individual
y el valor F tambin es
estadsticamente muy
significativo, lo que indica que, en
conjunto, todas las variables
tienen efecto significativo en el
gasto de consumo. El valor R2
tambin es muy alto.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo 10.7: Funcin de consumo para EE.UU
Por supuesto, casi siempre
existe
cierto
grado
de
colinealidad entre las variables
econmicas. Con tal de que no
sea exacto se pueden estimar
los parmetros del modelo. Por
el momento, lo nico que se
puede decir es que, en el
presente
ejemplo,
la
colinealidad, si la hay, no
parece muy marcada.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
Cmo conocer la presencia de colinealidad en cualquier situacin dada, en
especial en modelos con ms de dos variables explicativas?
Advertencias:
1. La multicolinealidad es una cuestin de grado y no de clase. La distincin
importante no es entre presencia o ausencia de multicolinealidad, sino entre
sus diferentes grados.
2. Como la multicolinealidad se refiere a la condicin de las variables
explicativas que son no estocsticas por supuestos, es una caracterstica de la
muestra y no de la poblacin.
Por consiguiente, no es necesario llevar a cabo pruebas sobre
multicolinealidad, pero, si se desea, es posible medir su grado en cualquier
muestra determinada.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
Como la multicolinealidad es en esencia un fenmeno de tipo muestral que
surge de informacin sobre todo no experimental recopilada en la mayora
de las ciencias sociales, no hay un mtodo nico para detectarla o medir su
fuerza. Lo que se tiene en realidad son ciertas reglas prcticas, algunas
informales y otras formales, pero todas reglas prcticas. Consideremos
algunas de ellas.
1. Una R2 elevada pero pocas razones t significativas. Como ya
mencionamos, es un sntoma clsico de multicolinealidad. Si R2 es
alta (por encima de 0.8), la prueba F, en la mayora de los casos,
rechazar la hiptesis de que los coeficientes parciales de pendiente son
simultneamente iguales a cero, pero las pruebas t individuales
mostrarn que ningn coeficiente parcial de pendiente, o muy pocos,
son estadsticamente diferentes de cero (ver ejemplo de consumoingreso-riqueza).
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
2. Altas correlaciones entre parejas de regresoras. Otra regla prctica
recomendable consiste en observar el coeficiente de correlacin de
orden cero o entre dos regresoras. Si ste es alto (superior a 0.8), la
multicolinealidad es un problema grave.
La desventaja con este criterio es que, aunque las altas correlaciones de
orden cero pueden sugerir la presencia de colinealidad, no es necesario
que dichas correlaciones sean altas para tener colinealidad en un
determinado caso especfico. En trminos un poco tcnicos: las
correlaciones de orden cero elevadas son una condicin suficiente pero
no necesaria para la existencia de multicolinealidad, debido a que puede
existir a pesar de que las correlaciones de orden cero o correlaciones
simples sean comparativamente bajas (es decir, inferiores a 0.50).
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
En los modelos donde hay ms de dos variables explicativas, la
correlacin simple o de orden cero no proporciona una gua infalible
sobre la presencia de multicolinealidad. Claro que si slo existen dos
variables explicativas, bastarn las correlaciones de orden cero.
3. Examen de las correlaciones parciales. Debido al problema recin
descrito, que se basa en correlaciones de orden cero, otros sugieren que
debe observarse, en lugar de ellas, los coeficientes de correlacin
parcial. De esta forma, en la regresin de Y sobre X2, X3 y X4, si se
2
2
2
2
encuentra que 1.234
es muy elevada pero 12.34
, 13.24
y 14.24
son
comparativamente bajas, esto puede sugerir que las variables X2, X3 y X4
estn muy intercorrelacionadas y que por lo menos una de estas
variables es superflua.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
4. Regresiones auxiliares. Como la multicolinealidad surge porque una o
ms de las regresoras son combinaciones lineales exactas o aproximadas
de las dems regresoras, una forma de determinar cul variable X est
relacionada con las dems variables X es efectuar la regresin de cada Xi
sobre las variables X restantes y calcular la R2 correspondiente; cada una
de estas regresiones se denomina regresin auxiliar de Y sobre las X.
As, conforme a la relacin entre F y R2, la variable:
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
Si la F calculada excede a la Fi crtica en el nivel de significancia
seleccionado, se dice que la Xi particular es colineal con las dems X; si
no excede a la Fi crtica, se dice que sta no es colineal con las dems X,
en cuyo caso se puede mantener la variable en el modelo. Si Fi es
estadsticamente significativa, an hay que decidir si la Xi en
consideracin debe eliminarse del modelo.
Sin embargo, este mtodo no carece de desventajas, pues si la
multicolinealidad comprende slo unas cuantas variables, de forma que
las regresiones auxiliares no sufran de multicolinealidad extensa, los
coeficientes estimados pueden revelar la naturaleza de la dependencia
lineal entre las regresoras. Por desgracia, si existen diversas
asociaciones lineales complejas, este ejercicio de ajuste de curva puede
no tener gran valor, pues ser difcil identificar las interrelaciones
separadas.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
En lugar de probar formalmente todos los valores R2 auxiliares, se puede
adoptar la regla prctica de Klein, que sugiere que la multicolinealidad
puede ser un problema complicado solamente si la R2 obtenida de una
regresin auxiliar es mayor que la R2 global, es decir, si se obtiene de la
regresin de Y sobre todas las regresoras. Por cierto, al igual que todas
las dems reglas prcticas, sta debe utilizarse con buen criterio.
5. Valores propios e ndice de condicin. Mediante EViews y Stata
podemos calcular los valores propios y el ndice de condicin para
diagnosticar la multicolinealidad. A partir de estos valores propios puede
derivarse lo que se conoce como nmero de condicin k, definido
como:
=
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
y el ndice de condicin (IC), definido como:
Entonces tenemos esta regla prctica: Si k est entre l00 y 1000, existe una
multicolinealidad que va de moderada a fuerte, mientras que si excede de
1000, existe multicolinealidad grave.
De otro modo, si el IC est entre 10 y 30, hay multicolinealidad entre
moderada y fuerte, y si excede de 30, una multicolinealidad grave.
Algunos autores consideran que e1 ndice de condicin es el mejor
diagnstico de multicolinealidad disponible. Sin embargo, esta opinin no es
muy aceptada. As, el IC es slo una regla prctica, quiz un poco ms
compleja.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
6. Tolerancia y factor de inflacin de la varianza. Ya vimos el FIV y la
TOL. Conforme 2 -el coeficiente de determinacin en la regresin de
la regresora Xj sobre las regresoras restantes del modelo- se aproxima a
la unidad, es decir, conforme se incrementa la colinealidad de Xj con las
dems regresoras, FIV tambin aumenta, y en el lmite puede ser
infinito.
Algunos autores utilizan, por consiguiente, el FIV como indicador de la
multicolinealidad: entre mayor es el valor del FIVj, mayor problema
o colinealidad tiene la variable Xj. Pero, cunto debe ascender el FIV
antes de que una regresora se convierta en un problema? Como regla
prctica, si el FIV de una variable es superior a 10 (esto sucede si 2
excede de 0.90), se dice que esa variable es muy colineal.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
Desde luego, puede utilizarse TOLj como medida de la
multicolinealidad, en vista de su estrecha conexin con FIVj. Mientras
ms cerca est TOLj de cero, mayor ser el grado de colinealidad de esa
variable respecto de las dems regresoras. Por otra parte, mientras ms
cerca est TOLj de 1, mayor ser la evidencia de que Xj no es colineal
con las dems regresoras.
7. Diagrama de dispersin. Es una buena prctica usar un diagrama de
dispersin para ver cmo se relacionan las diversas variables de un
modelo de regresin. La siguiente figura presenta el diagrama de
dispersin del ejemplo de consumo analizado anteriormente.
Se trata de un diagrama de cuatro por cuatro cuadros porque hay cuatro
variables en el modelo, una variable dependiente (C) y tres variables
explicativas: ingreso personal disponible real (Yd), riqueza real (W) y
tasa de inters real (I).
ECONOMETRIA II
MULTICOLINEALIDAD
7000
7000
6000
6000
5000
5000
4000
4000
C01
C01
MULTICOLINEALIDAD
3000
3000
2000
2000
1000
1000
0
-12
-8
-4
0
I
ECONOMETRIA II
10000
20000
30000
40000
MULTICOLINEALIDAD
MULTICOLINEALIDAD
7000
40000
36000
6000
32000
28000
4000
24000
C01
5000
3000
20000
16000
2000
12000
1000
8000
0
0
ECONOMETRIA II
4000
-12
-8
-4
MULTICOLINEALIDAD
MULTICOLINEALIDAD
7000
40000
36000
6000
32000
5000
28000
4000
YD
24000
3000
20000
16000
2000
12000
1000
0
-12
8000
4000
-8
-4
0
I
ECONOMETRIA II
MULTICOLINEALIDAD
7000
6000
5000
MULTICOLINEALIDAD
C01
4000
3000
2000
1000
0
8
-4
-8
-12
40000
36000
32000
28000
W
24000
20000
16000
12000
8000
4000
7000
6000
5000
YD
4000
3000
2000
1000
0
0
ECONOMETRIA II
-8
-4
0
I
10000
20000
W
30000
40000 0
MULTICOLINEALIDAD
MULTICOLINEALIDAD
DETECCIN DE LA MULTICOLINEALIDAD:
Concluyendo, los diversos mtodos de deteccin de la multicolinealidad,
son, en esencia expediciones de pesca, pues no puede decirse cules
funcionan en una aplicacin particular. Sin embargo, no se puede hacer
mucho al respecto, pues la multicolinealidad es un problema especfico de
una muestra dada sobre la cual el investigador puede no tener mucho
control, sobre todo si los datos son no experimentales por naturaleza, como
es lo comn para los investigadores de las ciencias sociales.
Respecto a la micronumerosidad, recordemos que es un problema slo si el
tamao pequeo de la muestra de la muestra y la falta de variabilidad en las
variables explicativas pueden ocasionar problemas por lo menos tan graves
como los debidos a la multicolinealidad.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
En general, hay dos posibilidades:
1. No hacer nada. Oliver Blanchard expresa de la siguiente manera la
corriente de pensamiento que aboga por no hacer nada:
Cuando los estudiantes efectan por primera vez la regresin de MCO,
el primer problema que suelen afrontar es el de la multicolinealidad.
Muchos concluyen que hay algo malo con los MCO; otros recurren a
nuevas y con frecuencia creativas tcnicas a fi n de darle la vuelta al
problema. Pero eso est mal. La multicolinealidad es la voluntad de
Dios, no un problema con los MCO ni con la tcnica estadstica en
general.
Lo que Blanchard afirma es que la multicolinealidad es en esencia un
problema de deficiencia de datos (micronumerosidad), y en algunas
ocasiones no hay opcin respecto de los datos disponibles para el anlisis
emprico.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
Asimismo, no es que todos los coeficientes en un modelo de regresin
sean estadsticamente insignificantes. Al contrario, aunque no se puedan
estimar uno o ms coeficientes de regresin con gran precisin, es
posible calcular una combinacin lineal de ellos (es decir, una funcin
estimable) con relativa eficiencia.
2. Reglas prcticas. El xito de estas reglas depende de la gravedad de la
multicolinealidad.
A. Informacin a priori. Suponga que consideramos el modelo
= 1 + 22 + 33 +
Y: Consumo, X2: ingreso y X3: riqueza.
Como ya mencionamos, las variables ingreso y riqueza tienden a ser
muy colineales.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
= 1 + 22 + 33 +
Y: Consumo, X2: ingreso y X3: riqueza.
Suponga que, a priori, creemos que 3=0.102; es decir, la tasa de
cambio del consumo respecto de la riqueza es una dcima parte de la
correspondiente respecto del ingreso. Podemos entonces efectuar la
siguiente regresin:
= 1 + 22 + 0.123 +
= 1 + 2 +
Donde = 2 + 0.13 . Una vez obtenido 2 podemos estimar 3 a
partir de la relacin postulada entre 2 y 3.
Cmo obtener informacin a priori? Puede provenir de un trabajo
emprico anterior, en donde el problema de colinealidad result ser
menos grave o de la teora relevante que soporta el campo de estudio.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
Por ejemplo, en la funcin de produccin tipo Cobb-Douglas,
desarrollada en el item anterior, = 122 33 ; si esperamos que
prevalezcan los rendimientos constantes a escala, entonces 2 + 3 = 1,
en cuyo caso podemos efectuar la regresin de la razn producto-trabajo
sobre la razn capital-trabajo.
R2=0.9777
ECONOMETRIA II
t=(-4.0612)
(28.1056)
Valor p= (0.0007)
(0.0000)
SCRR=0.0166
Econ. JOSE RODRIGUEZ HERRERA
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
2. Reglas prcticas.
B. Combinacin de informacin de corte transversal y de series de
tiempo. Una variante de la tcnica de informacin externa o a priori es la
combinacin de datos de corte transversal y de series de tiempo,
conocida como mezcla de datos.
Suponga que deseamos estudiar la demanda de automviles en Estados
Unidos y que tenemos informacin de series de tiempo sobre el nmero
de automviles vendidos, su precio promedio y el ingreso del
consumidor. Adems, suponga que
= 1 + 2 + 3 +
donde Y: nmero de automviles vendidos, P: precio promedio, I:
ingreso y t tiempo. El objetivo es estimar la elasticidad precio 2 y la
elasticidad ingreso 3.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
B. Combinacin de informacin de corte transversal y de series de
tiempo.
En la informacin de series de tiempo, las variables precio e ingreso
tienden a ser muy colineales. Por consiguiente, si deseamos efectuar la
anterior regresin, debemos enfrentar el problema usual de
multicolinealidad.
Una salida a esto, sostiene que si hay informacin de corte transversal
(por ejemplo, informacin generada a travs de paneles de
consumidores o estudios sindicados realizados por varias agencias
privadas y estatales), puede obtenerse una estimacin relativamente
confiable de la elasticidad ingreso 3, pues, con tal informacin, que
est en un punto en el tiempo, los precios no varan mucho. Sea 3 la
elasticidad ingreso estimada a partir de los datos de corte transversal.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
B. Combinacin de informacin de corte transversal y de series de
tiempo.
Con esta estimacin, la anterior regresin de series de tiempo se escribe
como
= 1 + 2 +
dondeY=lnY3. Es decir, Y* representa ese valor de Y despus de
eliminarle el efecto del ingreso. Ahora se puede obtener una estimacin
de la elasticidad precio 2 de la regresin anterior.
Aunque es una tcnica atractiva, la mezcla de datos de series de tiempo
y de corte transversal de esta forma puede crear problemas de
interpretacin porque se supone implcitamente que la elasticidad
ingreso estimada a partir de datos de corte transversal es igual a la que
se habra obtenido a partir de un anlisis puro de series de tiempo.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
B. Combinacin de informacin de corte transversal y de series de
tiempo.
= 1 + 2 +
Sin embargo, se ha empleado esta tcnica en muchas aplicaciones y es
en particular valiosa en situaciones en donde las estimaciones de corte
transversal no varan sustancialmente de una seccin transversal a otra.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
C. Eliminacin de una(s) variable(s) y el sesgo de especificacin.
Al enfrentar el problema de multicolinealidad grave, una de las
soluciones ms simples consiste en omitir del modelo una de las
variables colineales. As, en el ejemplo consumo-ingreso-riqueza, al
omitir la variable riqueza, obtenemos una regresin la cual muestra que
mientras en el modelo original la variable ingreso no era
estadsticamente significativa, ahora se vuelve altamente significativa.
= 24.45 + 0.50912
(6.4138) (0.0357)
t=(3.551) (13.29) R2=0.9567
Sin embargo, al eliminar una variable del modelo se puede incurrir en
un sesgo de especificacin o error de especificacin, que surge de la
especificacin incorrecta del modelo utilizado en el anlisis.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
C. Eliminacin de una(s) variable(s) y el sesgo de especificacin.
As, si la teora econmica afirma que tanto el ingreso como la riqueza
deben incluirse en el modelo que explica el gasto de consumo, al
eliminar la variable riqueza se incurrira en un sesgo de especificacin.
Por tanto, el remedio suele ser peor que la enfermedad en algunas
situaciones porque, mientras que la multicolinealidad puede obstaculizar
la estimacin precisa de los parmetros del modelo, la omisin de una
variable generara graves equivocaciones respecto de los verdaderos
valores de los parmetros. Recuerde que los estimadores de MCO son
MELI a pesar de la presencia de multicolinealidad perfecta.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
D. Transformacin de variables. Suponga que tenemos informacin de
series de tiempo sobre el gasto de consumo, el ingreso y la riqueza. Una
razn de la alta multicolinealidad entre el ingreso y la riqueza en tal
informacin es que, con el tiempo, las dos variables tienden a moverse
en la misma direccin. Una forma de reducir esta dependencia es
proceder de la siguiente manera.
Si la relacin:
= 1 + 22 + 33 +
se cumple en el periodo t, tambin debe cumplirse en el periodo t - 1,
pues el origen del tiempo es, de todas formas, arbitrario. Por
consiguiente, tenemos que:
1 = 1 + 22,1 + 33,1 + 1
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
D. Transformacin de variables.
Si restamos las funciones anteriores, tenemos:
1 = 2 2 2,1 + 3 3 3,1 +
donde = 1.
La ltima ecuacin se conoce como la forma en primeras diferencias
porque no se hace la regresin sobre las variables originales, sino sobre
las diferencias de los valores sucesivos de dichas variables.
El modelo de regresin que utiliza primeras diferencias a menudo
reduce la gravedad de la multicolinealidad porque, aunque los niveles de
2 y 3 estn muy correlacionados, no hay razn a priori para pensar
que sus diferencias tambin lo estn.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
D. Transformacin de variables.
1 = 2 2 2,1 + 3 3 3,1 +
Una ventaja incidental de la transformacin de primeras diferencias
consiste en que puede hacer que una serie de tiempo no estacionaria se
convierta en estacionaria. En general, mencionaremos que, una serie de
tiempo, por ejemplo , es estacionaria si su media y varianza no
cambian de manera sistemtica a travs del tiempo.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
D. Transformacin de variables.
Otra transformacin comn es la transformacin de razn.
Considere el siguiente modelo:
= 1 + 22 + 33 +
donde Y: Gasto de consumo ($ reales), 2: PIB y 3: poblacin total.
Como el PIB y la poblacin aumentan con el tiempo, es muy probable
que estn correlacionados. Una solucin a este problema consiste en
expresar el modelo mediante una base per cpita; es decir, dividir la
funcin entre 3 para obtener:
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
D. Transformacin de variables.
Sin embargo, la transformacin que utiliza primeras diferencias o las
transformaciones de razn crean otros problemas. Por ejemplo, el
trmino de error puede no satisfacer el supuesto del MCRL que las
perturbaciones no estn serialmente correlacionadas; si esto ocurre, el
remedio puede ser peor que la enfermedad. Adems, se pierde una
observacin debido al procedimiento de diferenciacin y, por
consiguiente, los grados de libertad se reducen en 1. En una muestra
pequea esto puede ser un factor que al menos se debe considerar. Por
aadidura, el procedimiento de primeras diferencias puede no ser el
adecuado en los datos de corte transversal, donde no hay un
ordenamiento lgico de las observaciones.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
D. Transformacin de variables.
Del mismo modo, en el modelo de la razn, el trmino de error
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
E. Nuevos datos adicionales.
Como la multicolinealidad es una caracterstica de la muestra, es posible
que en otra muestra con las mismas variables la colinealidad no sea tan
grave como en la primera. A veces, con slo aumentar el tamao de la
muestra (si esto es posible) se atena el problema de colinealidad.
Sin embargo, La obtencin de datos adicionales o mejores no siempre
es tan sencilla, pues, por desgracia, muy pocas veces pueden los
economistas obtener informacin adicional sin incurrir en altos costos, y
mucho menos pueden seleccionar los valores de las variables
explicativas que desean. Adems, al agregar variables en situaciones no
controladas, se debe tener cuidado de no agregar observaciones
generadas en un proceso diferente del asociado al conjunto original de
datos; es decir, se debe estar seguro de que la estructura econmica
asociada a las nuevas observaciones sea igual a la estructura original.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
F. Reduccin de la colinealidad en las regresiones polinomiales. Una
caracterstica especial de los modelos de regresin polinomial, es que
las variables explicativas aparecen elevadas a diversas potencias. Por
tanto, en la funcin cbica de costos totales que implica la regresin del
costo total sobre la produccin, como en:
= 0 + 1 + 22 + 33 +
los diversos trminos de la produccin van a estar correlacionados, lo
que dificulta la estimacin precisa de los diversos coeficientes de
pendiente. No obstante, en la prctica se ha visto que si las variables
explicativas estn expresadas en forma de desviacin (es decir,
desviaciones del valor medio), la multicolinealidad se reduce
sustancialmente. Pero, si el problema persiste, tal vez convenga
considerar tcnicas como la de los polinomios ortogonales.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
MEDIDAS CORRECTIVAS
G. Otros mtodos de remediar la multicolinealidad. Las tcnicas
estadsticas multivariadas como el anlisis de factores y el de
componentes principales, o como la regresin en cadena, son comunes
para resolver el problema de la multicolinealidad.
Desafortunadamente, estas tcnicas estn fuera del alcance de este
curso, pues no pueden analizarse en forma competente sin recurrir al
lgebra matricial.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
LA MULTICOLINEALIDAD NO ES NECESARIAMENTE MALA SI
EL UNICO OBJETIVO ES SOLO LA PREDICCION
si el nico propsito del anlisis de regresin es el pronstico o la
prediccin, la multicolinealidad no es un problema grave, pues, entre ms
alta sea la R2, mejor ser la prediccin. Pero esto sucede siempre que los
valores de las variables explicativas, para los cuales se desean las
predicciones, obedezcan las mismas dependencias lineales casi exactas de la
matriz X [de datos] del diseo original.
Por tanto, si en una regresin estimada se encuentra que X2=2 X3
aproximadamente, entonces, en una muestra futura para pronosticar Y, X2
tambin debe ser aproximadamente igual a 2 X3, condicin difcil de cumplir
en la prctica, en cuyo caso la prediccin ser cada vez ms incierta.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
LA MULTICOLINEALIDAD NO ES NECESARIAMENTE MALA SI
EL UNICO OBJETIVO ES SOLO LA PREDICCION
Ms an, si el objetivo del anlisis no es slo la prediccin sino tambin la
estimacin confiable de los parmetros, la presencia de una alta
multicolinealidad puede ser un problema porque genera grandes errores
estndar en los estimadores.
Una de las situaciones en que la multicolinealidad no representa un
problema grave, es el caso en el cual se tiene una R2 elevada y los
coeficientes de regresin son significativos individualmente. Aun as, los
diagnsticos de multicolinealidad, (ndice de condicin), indican que los
datos presentan colinealidad grave. Esto puede suceder si los coeficientes
individuales resultan estar numricamente muy por encima del valor
verdadero, de forma que el efecto siga visible, a pesar de los errores estndar
inflados y/o debido a que el valor verdadero es en s mismo tan grande que,
aunque se obtenga una estimacin subestimada, contine siendo
significativa.
Econ. JOSE RODRIGUEZ HERRERA
ECONOMETRIA
II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejemplo ampliado
Los siguientes datos, originalmente se obtuvieron para evaluar la exactitud
del clculo computacional de las estimaciones de mnimos cuadrados de
varios paquetes de software: los datos Longley. Estos se convirtieron en
ejemplo para ilustrar diversos problemas economtricos, como la
multicolinealidad. Los datos se reproducen en la siguiente tabla y son series
de tiempo de 1947 a 1962, donde:
Y: nmero de personas con trabajo (en miles)
X1: ndice implcito de deflacin de precios para el PIB
X2: PIB (en millones de dlares)
X3: nmero de desempleados (en miles)
X4: nmero de personas enlistadas en las fuerzas armadas
X5: poblacin no institucionalizada mayor de 14 aos de edad
X6: ao (igual a 1 para 1947, 2 para 1948 y 16 para 1962).
Suponga que nuestro objetivo es predecir Y con base en las seis variables X.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ao
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
ECONOMETRIA II
Y
60323
61122
60171
61187
63221
63639
64989
63761
66019
67857
68169
66513
68655
69564
69331
70551
X1
830
885
882
895
962
981
990
1000
1012
1046
1084
1108
1126
1142
1157
1169
Datos Longley
X3
X2
234289 2356
259426 2325
258054 3682
284599 3351
328975 2099
346999 1932
365385 1870
363112 3578
397469 2904
419180 2822
442769 2936
444546 4681
482704 3813
502601 3931
518173 4806
554894 4007
X4
1590
1456
1616
1650
3099
3594
3547
3350
3048
2857
2798
2637
2552
2514
2572
2827
X5
107608
108632
109773
110929
112075
113270
115094
116219
117388
118734
120445
121950
123366
125368
127852
130081
X6
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
MULTICOLINEALIDAD
MULTICOLINEALIDAD
A primera vista, dichos
resultados sugieren que se tiene
un problema de colinealidad,
pues el valor R2 es muy alto; sin
embargo, unas cuantas variables
son estadsticamente no
significativas (X1, X2 y X5), lo
cual constituye un sntoma
caracterstico de
multicolinealidad.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Para arrojar ms luz a este problema, en la siguiente tabla se presentan las
intercorrelaciones entre las seis regresoras. Esta tabla se conoce como matriz
de correlacin.
X1
X2
X3
X4
X5
X6
1.00000
0.99159
0.62063
0.46474
0.97916
0.99115
MATRIZ DE CORRELACIONES
0.99159 0.62063 0.46474 0.97916
1.00000 0.60426 0.44644 0.99109
0.60426 1.00000 -0.17742 0.68655
0.44644 -0.17742 1.00000 0.36442
0.99109 0.68655 0.36442 1.00000
0.99527 0.66826 0.41725 0.99395
0.99115
0.99527
0.66826
0.41725
0.99395
1.00000
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Observe ahora las regresiones auxiliares; es decir, la regresin de cada
variable X sobre las restantes variables X. En la siguiente tabla se presentan
slo los valores R2 obtenidos con base en esas regresiones,
Variable
dependiente Valor de R2
X1
0.9926
X2
0.9994
X3
0.9702
X4
0.7213
X5
0.9970
X6
0.9986
Tolerancia (TOL)
= 1 R2
0.0074
0.0006
0.0298
0.2787
0.0030
0.0014
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Al aplicar la regla prctica de Klein observamos que los valores R2
obtenidos de las regresiones auxiliares exceden el valor general R2 (es decir,
el que se obtuvo de la regresin de Y sobre todas las variables X), que es
igual a 0.9954, en 3 de 6 regresiones auxiliares, lo cual de nuevo sugiere que
sin duda los datos Longley estn plagados del problema de
multicolinealidad.
Aplicar la prueba F y la variacin ante pequeos cambios.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Qu acciones podemos aplicar para revertir esta situacin de
multicolinealidad?
1. El PIB puede expresarse no en trminos nominales, sino en trminos
reales, lo cual se realiza al dividir el PIB nominal entre el ndice de
deflacin del precio implcito.
2. En vista de que la poblacin no institucional mayor de 14 aos aumenta
con el tiempo debido al crecimiento natural de la poblacin, estar muy
correlacionada con el tiempo, la variable X6 del modelo. Por tanto, en
lugar de conservar esas dos variables, mantenemos la variable X5 y
desechamos X6.
3. En tercer lugar, no hay ninguna razn de peso para incluir X3, el
nmero de personas desempleadas; quiz la tasa de desempleo fuese una
mejor medida de las condiciones del mercado de trabajo; sin embargo,
no hay ningn dato al respecto. Por tanto, eliminamos la variable X3.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Qu acciones podemos aplicar para revertir esta situacin de
multicolinealidad?
Con estos cambios obtenemos los siguientes resultados de la regresin:
Aunque R2 disminuy un poco en
comparacin con la R2 original,
an es muy alta. Ahora todos los
coeficientes estimados son
significativos y sus signos tienen
sentido desde el punto de vista
econmico.
Podemos probar otros modelos y
observar la forma en que cambian
los resultados. Tenga en cuenta la
advertencia respecto de la
utilizacin del mtodo de la razn.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio
Suponga el siguiente modelo de regresin aplicado a la economa de Estados
Unidos:
= 1 + 22 + 33 + 44 +
: consumo; 2: ingreso salarial; 3: ingreso no salarial, no procedente del
campo; 4: ingreso procedente del campo.
Pero, como se espera que 2:, 3: y 4: sean muy colineales, obtuvieron las
siguientes estimaciones de 3 y 4 del anlisis de corte transversal: 3 =
0.752 y 4 = 0.6252. Con estas estimaciones reformularon su funcin de
consumo de la siguiente manera:
= 1 + 2 2 + 0.753 + 0.6254 + = 1 + 2 +
a) Ajuste el modelo modificado a los datos que se presentan en la siguiente
tabla y obtenga estimaciones de 1 a 4.
b) Como interpretara la variable Z?
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Ejercicio
Ao
1936
1937
1938
1939
1940
1941
1945
1946
1947
1948
1949
1950
1951
1952
ECONOMETRIA II
X4
3.96
5.48
4.37
4.51
4.88
6.37
8.96
9.76
9.31
9.85
7.21
7.39
7.98
7.42
Econ. JOSE RODRIGUEZ HERRERA
MULTICOLINEALIDAD
MULTICOLINEALIDAD
OBS
Ejemplo:
1952:1
GDP
PR
M1
RS
0.1975607
126.537
1.64
0.1981673
127.506
1.677667 GDP: Producto Domestico Bruto
0.2001787
129.385
1.828667 M1: Medio Circulante
0.2012459
128.512
1.923667 PR: Nivel de precio (GDP deflactor)
0.2010517
130.587
2.047333 RS: Tasa a 3 meses del tesoro
0.2014442
130.341
2.202667
0.2022359
131.389
2.021667
0.2027231
129.891
1.486333
0.2034164
130.173
1.083667
0.203841
131.385
0.8143333
1952:2
1952:3
1952:4
1953:1
1953:2
1953:3
1953:4
1954:1
1954:2
87.875
88.125
89.625
92.875
94.625
95.55
95.425
94.175
94.075
94.2
1954:3
95.45
0.2042913
134.627
0.8696667
1954:4
97.36375
0.204374
134.252
1.036333
1955:1
1955:2
1955:3
1955:4
1956:1
1956:2
1956:3
1956:4
100.725
102.825
104.925
106.6
107.275
108.675
109.875
112.125
0.2056032
0.2062274
0.207762
0.2099975
0.2120478
0.2133287
0.2161404
0.2170651
136.413
136.471
138.377
137.244
138.053
138.375
138.993
139.087
1.256333
1.614333
1.861333
2.349333
2.379333
2.596667
2.596667
3.063667
MULTICOLINEALIDAD
MULTICOLINEALIDAD
La
interpretacin
de
los
coeficientes depende de la
naturaleza de la variable del
modelo. Para nuestro caso
utiliza
utilizar
series
en
logaritmo,
los
coeficientes
representan
la
elasticidad
demanda por circulante. Si el
producto domstico bruto (GDP)
aumenta en 1% la demanda de
dinero aumenta en 0.46%.
Si la tasa de inters (RS) aumenta en un punto porcentual, el
circulante disminuye en 0.027% y si el nivel de precios (PR)
aumenta en 1% la demanda por circulante aumenta en 0.56%, por
ultimo la constate se interpreta que para valores nulos de RS, GDP
y PR, la probabilidad que aumente el circulante es de 3.69%.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
STD.Error: Error estndar de los coeficientes a estimar.
t-Statistic: Valor del estadstico t, bajo la hiptesis individual que las
variables (H0: i =0).Con n-k grados de libertad, Indica que la
variable contribuye a explicar la variable endgena.
Prob: Si los Valores son superiores al 5% (=5%) no se rechaza la
hiptesis nula y la variable exgena no sirve para explicar el modelo.
R squared: Es el R cuadrado de la ecuacin y representa el
porcentaje de la variabilidad de la variable dependiente explicada por
la variable independiente.
Adjusted R-squared: Permite medir el incremento neto de R
cuadrado, cuando se incluye un nuevo regresor.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Durbin-Watson stat: Sirve para contrastar la hiptesis de
incorrelacin entre perturbaciones aleatorias frente a la presencia de
autocorrelacin.
Mean depent var: Representa la media de la variable dependiente.
S.D depent var: Representa la cuasidesviacin tpica de la muestra.
F-statistic: Es el estadstico que esta asociado a la hiptesis
conjunta de que los parmetros asociados son iguales a cero
(excepto el intercepto). H0 : 1 =2 =3 =i
Prob (F-statistic): Mide la probabilidad de cometer el erro tipo I. Se
calcula con la distribucin F de Snedecor Fk-1;T-k-1.
Criterios de Informacin: Son el Akaike info criterion y Schwarz
criterion, estos criterios nos dan informacin de la capacidad
explicativa del modelo y permite realizar comparaciones de los
modelos analizados.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Antes de empezar a calcular los intervalo de confianza para los
parmetros. Vamos a introducirnos en el uso de comandos en EViews.
Comandos en EViews
En el rea de comandos podremos escribir y ejecutar los diferentes
comandos, y cuyos resultados se irn almacenando en el Workfile.
Para ejecutar un comando hay que situarse en el rea de sintaxis y
escribir la sentencia completa del comando, para luego pulsar la tecla
Intro para ejecute dicho comando.
Esta rea acta como una calculadora cientfica, donde se pueden
realizar transformaciones (algebraicas o estadsticas) a la variables
para luego obtener los resultados.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
El escalar se graba como t
Si necesitamos el nmero de
observaciones de la regresin
digitaremos: =@regobs y si
queremos guardar este dato en el
archivo de trabajo digitamos
Scalar, para que sea almacenado
como un escalar, entonces
tenemos que digitar primero el
escalar, luego un nombre como T
igual al comando e Intro:
Scalar T =@regobs.
El escalar se graba como t
Si hacemos doble Click sobre t, en la parte inferior de la ventana se
muestra el valor de 180 observaciones usadas en la regresin.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Si queremos usar los valores de los coeficientes de la regresin hay
que digitar Matrix, porque es una matriz de coeficientes, seguido de
@coefs. Si queremos, esta amatriz lo podemos guardar en el
Workfile con el nombre de Coef. Entonces, debemos digitar los
siguiente: Matrix Coef=@coefs
Se guarda la matriz con el nombre Coef.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Tambin se pueden obtener, mediante los comandos
distribuciones
que se utilizan tanto estadstica como en
econometra.
Los comandos ms usados en Econometra, son:
Tipo de Funcin
@c
Densidad o probabilidad
@d
Inversa de CDF
@q
@r
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Distribucin
Funcin
Chi-square
@cchisq(x,v),
@dchisq(x,v),
@qchisq(p,v),
@rchisq(v)
F-distibucin
@cfdist(x,v1,v2),
@dfdist(x,v1,v2),
@qfdist(p,v1,v2),
@rfdist(v1,v1)
Normal(Gaussian)
@cnorm(x),
@dnorm(x),
@qnorm(p),
@rnorm, nrnd
T-Students
@ctdist(x,v),
@dtdist(x,v),
@qtdist(p,v),
@rtdist(v)
Densidad/Funcin de probabilidad
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Si queremos obtener la probabilidad acumulada de la t-Student al 5%
de significancia con 20 grados de libertad. El comando a digitar es:
=@qtdist(0.05,20) y Intro. Proporciona como resultado -1.725 por
simetra 1.725
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Otros comandos usados en EViews son:
Funciones
Descripcin
Genr
Log(X)
Logaritmo natural.
exp(X) o @exp(X)
Abs o @abs(X)
Valor absoluto X.
Sqr o @Sqr(X)
Raz cuadrada.
@sin(X)
Funcin Seno
@cos(X)
Funcin Coseno.
@asin(X)
Arco seno.
@acos(X)
Arco coseno.
@tan(X)
Funcin tengente.
rnd
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Funciones
Descripcin
nrnd
@obs(X)
Nmero de observaciones de X.
@se
@ssr
Cross(x,y)
Producto cruzado de x e y.
@cov(x,y)
Covarianza entre x e y.
@aic
@coefcov(i,j)
@coefs(i)
@dw
@f
La F-estadstica
@fprob
La probabilidad de la F-estadstica
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Funciones
Descripcin
@hq
@jstat
@logl
@meandep
@ncoef
@r2
R-cuadrado.
@rbar2
R-cuadrado ajustado.
@coefcov
Matriz de coeficientes
@regobs
@schwarz
@sddep
@stderrs(i)
@tstats(i)
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Funciones
Descripcin
@coefcov
Matriz de coeficientes .
@coefs
@stderrs
@tstats
@transpose(X)
@smpl
@updatetime
@obs(y)
@det(X)
@eigenvalues
@fillledmatrix(3,2,1)
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Funciones
Descripcin
@trend, @trend(n)
@cor(x,y[,s])
Covarianza entre X e Y.
@mean(x[,s])
Sym
@min(x[,s])
@max(x[,s])
Mximo de la serie X.
@stdev(x[,s])
@sum(x[,s])
Suma de la serie X.
@var(x[,s])
Varianza de la serie X.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Funciones
Descripcin
@identity(i)
@inverse(X)
@rank(k)
@trace(M)
@seas(n)
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
TEST DE NORMALIDAD
Uno de los problema ms frecuentes al trabajar con variables es saber
si tienen distribucin Normal, pues no se puede aplicar los test
estadsticos si la muestra no es normal, en ese caso se trabajara con
pruebas no paramtricas, o se puede graficar las variables para tener
una idea de la forma y de esta manera poder hacer las
transformaciones del caso, para que tengan una distribucin normal.
EViews tiene incorporado varias pruebas para analizar la normalidad.
Recordemos que para asumir normalidad del modelo slo basta que
los errores de este sean normales. Las pruebas son:
Test de Jarque Bera
Prueba de Normalidad (Quantile - Quantile)
El Diagrama de Caja
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Test de Jarque Bera
Aplicando la prueba al error del modelo se tiene la hiptesis de
decisin:
H0 : t se aproxima a una distribucin Normal.
H1 : t no se aproxima a una distribucin Normal.
2
Jarque - Bera se formula:
T k
K 3
2
JB
S
T: Tamao de muestra
6
4
K: Es la kurtosis
S: Es la asimetra
JB (25%;2) 5.99
k: Nmero de regresoras
Regla de Decisin:
Si el JB es menor 5.99 no se rechaza la hiptesis nula.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Abrir con doble Click Resid ir a View/ Descriptive Statistics &
Tests / Histogram and Stats
La asimetra tiende a
cero, lo que nos da
indicios de normalidad.
El JB es menor que
5.99 entonces no se
rechaza Ho.
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Prueba de Normalidad (Quantile - Quantile)
Para que exista normalidad en los residuos los puntos debern estar
a lo largo de la recta, pero si los puntos estn muy dispersos y la
mayora esta fuera de la recta, entonces se concluye que no existe
normalidad.
La instruccin en EViews es doble Click en Resid ir a View/
Distribution/Quantile-Quantile Graphs.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Theoretical Quantile-Quantile
3
Normal Quantile
2
1
0
-1
-2
-3
-.12
-.08
-.04
.00
.04
.08
.12
RESID
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Diagrama de Caja
Si en el grfico la media esta en medio de la caja y los bigotes tiene
la misma distancia a la caja se acepta la normalidad de la variable.
Como sabemos este grfico se basa en la media, los cuartiles y
valores extremos. Donde la caja encierra el rango intercuartil que
encierra el 50% de los valores y tiene una media dibujada dentro,
adems el intercuartil tiene como extremos el percentil 75 y el percentil
25.
Instruccin en Views: Resid; View/Descriptive
Statistics/Boxplots by Classifications.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
.12
.08
.04
.00
-.04
-.08
-.12
RESID
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Test Estadsticos sobre los Coeficientes
EViews tiene tres pruebas sobre los coeficientes del modelo:
Pruebas de Restriccin de Coeficientes: Esta prueba se basa en
la prueba de Wald, que puede ser individual (H0:i=0) o grupal
(H0:1=2==k =0)
En la ventana de la ecuacin
ir a:
View/Coefficient Test//Wald Coefficient Restrictions
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Test Estadsticos sobre los Coeficientes
F ( q=1;T=180;0.95)
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Prueba de Variables Omitidas: Nos da una idea de si una lista de
variables adicionales podra mejorar el modelo. Si nos situamos en el
cuadro de la ecuacin y nos dirigimos a View/Coefficient test/Omitted
Variables - Likelihood Ratio...
En el cuadro de dialogo se
escriben las variables a
omitir (caso: GDP).
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
H0 : La variable GDP es no
significativa para el modelo
por lo que C(1)=0.
H1 : La variable GDP es una
variable significativa para el
modelo (C(1) 0).
Como la probabilidad es
menor del 5%, se rechaza la
hiptesis nula.
Por lo que La variable GDP
es significativa para el
modelo
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Pruebas de Variables Redundantes: Prueba si la exclusin de una
lista de variable podra mejor el ajuste del modelo.
En cuadro de la ecuacin nos dirigimos a View/Coefficient test/
Redundant Variables - Likelihood Ratio
En el cuadro de dialogo se escriben las variables a omitir (caso: RS)
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
H0 : La variable RS es redundante para el modelo.
H1 : La variable RS no es redundante para el modelo.
Con una baja probabilidad (F-statistic)
de 0 % (menor =5%) no se acepta la
hiptesis nula. Por lo que la variable
RS no es redundante para el modelo.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Si queremos probar si GDP y PR son redundantes para el modelo:
H0: lnGDP y lnPR son redundantes para el modelo.
H1: lnGDP y lnPR son significativas
Conjuntamente (C(1),C(2)0)
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Multicolinealidad
La multicolinealidad en el Modelo Lineal General se presenta cuando las
variables independientes presentan alto nivel de correlacin. Por lo que
en trminos empricos hay que definir los limites de tolerancia de
colinealidad.
Siguiendo a Klein en su versin de correlacin indica un alto grado
cuando:
rX i X j RY
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Deteccin: Anlisis de la matriz de correlaciones. Algunos autores
recomiendan correlaciones mayores 0.8 0.85 indica la presencia de
colinealidad (pero estos valores son un poco cuestionados).
* Anlisis de la matriz XX (es o no una matriz singular).
La multicolinealidad no quiere decir que se est rompiendo alguno
de los supuestos. Pues no afecta la capacidad predictiva conjunta de
las variables y, por lo tanto la capacidad predictiva.
La multicolinealidad es un problema que no esta bien definido. Por
lo que no existe un limite a partir del cual el RY2 se le considere como
multicolinealidad.
Un intento por disminuir la varianza podra ser eliminar uno de los
regresores, lo que disminuira el RY2 .
Suprimir las variables ms culpables con justificacin estadstica y
econmica.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Para ver la matriz de correlaciones en EViews, tenemos que situarnos
en la ventana de objeto ecuacin par ir al men Proc/Make Regressor
Group en la nueva ventana de objeto de grupo donde aparecen todas
las variables debemos ir:
View/Correlations/Common Sample
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
En el objeto correlacin utilizamos
Freeze para congelar la imagen y en
la nueva ventana hacemos Click en
name para guardarla con el nombre
de correlacion.
Si queremos apreciar la correlacin lineal que existe entre lngdp y lnpr
realicemos las siguientes rdenes:
a. En el rea de comandos escribir: Group datos2 lngdp lnpr rs e
intro. (Creando un grupo de datos solamente con las regresoras.)
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
b. Luego, escribir Sym mcorrel= @cor(datos2) e intro. (creamos la
matriz simtrica con los datos de la correlacin del grupo de datos y lo
denominamos mcorrel.). Al hacer doble click en mcorrel se muestra la
matriz, tal como se observa en la figura adjunta.
Apreciamos alta correlacin lineal
entre: [LnPR; LnGDP]=0.994191
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Digitamos Scalar detcor=@det(mcorrel) e intro. De esa manera
creamos un objeto escalar que pueda hallar el determinante de la
matriz de correlaciones.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
d. Si queremos apreciar
la correlacin lineal que
existe entre lngdp y lnpr
digitemos en el rea de
comandos:
Show
datos2.scatmat.
Con esta orden estamos
pidiendo a EViews que
muestre el grfico de
correlaciones de las
variables del
grupo
datos2.
ECONOMETRIA II
MULTICOLINEALIDAD
7.6
MULTICOLINEALIDAD
7.2
6.8
LNGDP
6.4
6.0
5.6
5.2
4.8
4.4
0.4
Podemos apreciar
claramente la
correlacin que
existe entre la
variable Producto
Domestico Bruto
(lnGDP) y Nivel de
precio (lnPR).
0.0
LNPR
-0.4
-0.8
-1.2
-1.6
-2.0
16
RS
12
0
4.4 4.8 5.2 5.6 6.0 6.4 6.8 7.2 7.6 -2.0
LNGDP
ECONOMETRIA II
-1.6
-1.2
-0.8
LNPR
-0.4
0.0
0.4
12
16
RS
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Si analizamos la significacin de estas dos variables que estn
correlacionadas notaremos que son significativas para el modelo.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
En nuestro caso corregimos la multicolinealidad suprimiendo
(justificacin estadstica y econmica) el deflactor de precios(PR) del
modelo; entonces la nueva estimacin es:
Una alternativa para obtener los
resultados de la nueva correlacin es
digitar, en el cuadro de comandos lo
siguiente:
Equation Ecuacion2.ls lnm1 lngdp rs c
ECONOMETRIA II
MULTICOLINEALIDAD
0
MULTICOLINEALIDAD
Podemos establecer, luego, un nuevo grupo de datos (datos3) que
contenga solamente las variables lnGDP y RSK:
Group datos3.lnGDP rs lnGDP
En nuestro archivo de trabajo aparece el objeto datos3.
Luego, digitamos en el cuadro de comandos: Show datos3.scamat
para visualizar el grfico de dispersin entre las variables lnGDP y RS
7.6
7.2
6.8
LNGDP
6.4
6.0
5.6
5.2
4.8
4.4
0
12
16
RS
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Para obtener la matriz de correlaciones para este nuevo grupo,
hacemos:
a. Doble click en datos3
b. View/principal Components y OK; alternativamente, podemos
usar el comando: Matrix crm=@cor(datos3) con la que se crea una
matriz denominada CRM que contiene las correlaciones de las
variables contenidas en el Grupo3.
En esta matriz, podemos apreciar
que no existen altas correlaciones.
ECONOMETRIA II
MULTICOLINEALIDAD
MULTICOLINEALIDAD
Por lo tanto, la nueva estimacin sin problemas de multicolinealidad:
ECONOMETRIA II
CONTRASTACION DE HIPOTESIS
GRACIAS
POR SU
ATENCION
PTP-2014