Multicolinealidad perfecta y el modelo econométrico

Conseguir una idea de multicolinealidad perfecta, lo cual es poco común, es más fácil si se puede imaginar un modelo econométrico que utiliza dos variables independientes, tales como las siguientes:

Supongamos que, en este modelo,

Video: UTPL MULTICOLINEALIDAD [(ECONOMÍA)(ECONOMETRÍA II)]

donde las alfas son constantes. Por sustitución, se obtiene

lo que indica que el modelo se derrumba y no puede ser estimado como se especifica en un principio.

multicolinealidad Perfect se produce cuando dos o más variables independientes en un modelo de regresión exhiben un determinista (perfectamente predecible o que no contiene aleatoriedad) relación lineal.

El resultado de la perfecta multicolinealidad es que no se puede obtener cualquier inferencias estructurales sobre el modelo original utilizando los datos de muestra para la estimación. En un modelo con multicolinealidad perfecta, sus coeficientes de regresión son indeterminados y sus errores estándar son infinitas.

Video: Capítulo 6. Multicolinealidad

multicolinealidad perfecta por lo general ocurre cuando los datos se ha construido o manipulada por el investigador. Por ejemplo, usted tiene multicolinealidad perfecta si se incluye una variable ficticia para cada grupo o categoría posible de una característica cualitativa en lugar de incluir una variable para todos menos uno de los grupos.

En la siguiente figura, STATA se utiliza para crear una variable que es una combinación lineal de otra variable. A continuación, el gráfico de las dos variables se representa e incluye tanto de ellos como variables independientes en un modelo de regresión. Nótese, sin embargo, que los resultados no contienen parámetros estimados para ambas variables. La obtención de los coeficientes de regresión individuales para cada variable es imposible si usted tiene multicolinealidad perfecta.

Video: Econometría y Estadística Multivariable. Video 15: Multi-colinealidad

La mayoría de los programas de software econométricos identifican multicolinealidad perfecta y soltar uno (o más) las variables antes de proporcionar los resultados de la estimación, cuidando el problema para usted. La buena noticia es que se puede evitar la multicolinealidad perfecta, al mostrar un cierto cuidado en la creación de las variables y con cuidado la elección de cuáles incluyen como variables independientes.