MULTICOLINEALIDAD COMO SE CORRIGE. ECONOMETRIA

Trabajo de Econometria

Tarea multicolinealidad cómo se corrige.

¿Cómo se corrige?:

La corrección del problema requiere conocer sus causas. Si se trata de una correlación casual debida generalmente a defectos en la especificación (por ejemplo, un modelo en niveles), el problema debe solventarse corrigiendo esta especificación o bien, en último extremo “deflactar” la multicolinealidad.

Si estamos ante un problema de información repetida, la solución pasa por la re-especificación del modelo, bien eliminando la información redundante, bien transformándolo de cara a perder el mínimo de información. En ese sentido, cabe transformar dos o más variables correlacionadas en una combinación de las mismas. Conviene recordar a este respecto la técnica del análisis multivalente factorial.

Análisis de la corrección:

1.- Información a priori. Esta puede provenir del trabajo empírico anterior en donde el problema de la colinealidad resultó ser menos grave o de la teoría relevante que soporta el campo del estudio. Es preciso hacer una advertencia, con respecto a la imposición de la restricción a priori, puesto que en general se desea probar las predicciones a priori de la teoría económica en lugar de imponer simplemente, sobre los datos para los cuales ellas pueden no ser ciertas.

2.-Combinación de información de corte transversal y de series de tiempo. También se conoce como mezcla de datos. Referente a la información de series de tiempo, las variables generalmente tienden a ser altamente colineales. Si se desea realizar la anterior regresión, se deberá enfrentar el problema usual de multicolinealidad. La solución que se puede indicar para desarrollar el corte transversal, se puede obtener a través de una estimación relativamente confiable de la elasticidad, puesto que con dicha información, está en un punto en el tiempo. Aunque con estas se pueden crear problemas de interpretación, debido a que se está suponiendo implícitamente que la elasticidad estimada a partir de datos de corte transversal es igual a la que habría obtenido a partir de un análisis de series de tiempo.

3.-Eliminación de una (s) variable (s) y el sesgo de especificación. Esta es una de las soluciones más simples, que consiste en omitir del modelo, una de las variables colineales, así se puede demostrar en el siguiente caso: Si el consumo ingreso riqueza, son variables al omitir la variable riqueza, se obtiene una regresión. La que muestra, que mientras que en el modelo original la variable ingreso no era estadísticamente significativa, ahora se vuelve altamente significativa, que se grafica de la siguiente manera:

2. Combinación de información de corte transversal y de series de tiempo. Una variante de la técnica de información externa o

...