Changes between Version 2 and Version 3 of Multicollinearity

Timestamp:

Sep 8, 2010, 5:43:09 AM (14 years ago)

Author:

josp

Comment:

--

Multicollinearity

@@ -3 +3 @@
 = Multicolinealidad =
 
-Definición de muticolinealidad
+Cuando modelamos una variable output {{{Y}}} en función de un regresor lineal múltiple {{{X*beta}}} debemos prestar atención a la presencia de multicolinealidad. La multicolinealidad se presenta cuando las columnas (inputs) de  {{{X}}} son linealmente dependientes o existe una alta correlación lineal en un subconjunto de las mismas.
 
-= Efectos de multicolinealidad =
+Un grado grado de multicolinealidad puede conducirnos a una matriz inestable numéricamente y el método de estimación puede fallar. Por otra parte incluso teniendo éxito en la estimación los resultados arrojarán un conjunto de parámetrosa partir de los cuales las interpretaciones serán inexactas, es decir será difícil sustentar el discurso "variando un input mientras el resto se mantiene fijo" ya que ante un alta correlación lineal es imposible variar un input que depende linealmente de otros manteniendo éstos fijo.
 
-¿Qué pasa si tenemos multicolinealidad?
+En relación a la multicolinealidad se nos presentan dos problemas:
+
+ 1. imposibilidad de estimar: singularidad numérica
+ 1. difícil interpretación y significatividad baja de los parámetros, perturbaciones pequeñas en los inputs afectan grandemente los parámetros: quasi-singularidad numérica.
+
+El primero de los problemas es fácil de detectar: no podemos estimar.
+
+El segundo de los problemas es más sutil pues incluso podemos tener unas estimaciones donde el ajuste del modelo es bueno.
+
+Para a
+La multicolinealidad podemos medirla mediante el cálculo del VIF, el VIF es un estadístico 
 
 = Detección de multicolinealidad =