Multicolinealidad

Solo disponible en BuenasTareas
  • Páginas : 6 (1392 palabras )
  • Descarga(s) : 0
  • Publicado : 28 de noviembre de 2011
Leer documento completo
Vista previa del texto
Multicolinealidad

Nos señala si hay la existencia de una relación lineal perfecta entre algunas o todas las variables explicativas de un modelo de regresión, como también el caso de variables explicatorias intercorrelacionadas pero no en forma perfecta.

En el análisis de nuestro modelo , hemos aplicado tres pruebas para detectar una posible multicolinealidad.

1. Gráficos de Dispersión2. Matriz de Correlación
3. Regresiones auxiliares

Graficos de dispersión

demanda cobre/precio cobre

Matriz de Correlación

La información que se encuentra en la diagonal principal de esta matriz muestra la correlación de una variable consigo misma, ésta por definición siempre es igual a 1. (Así lo determina la teoría y práctica)

Con respecto a nuestra tabla, podemos señalarque en la primera fila de la matriz podemos ver la relación de X1 con las otras variables explicatorias y así sucesivamente con el resto de las filas de la matriz. Podemos apreciar que los datos son la gran mayoría cercanos a 1, siendo el par precio_cu-commdex, es decir, el precio del cobre con el ratio de los comoddities mineros los que poseen una mayor relación lineal. Alcanzando un valor de0,9994, muy cercano a 1. Esto quiere decir que tienen casi una perfecta correlación entre el precio de este metal y el índice de comoddities mineros. Ahora procederemos a aplicar una última prueba de multicolinealidad

Regresiones Auxiliares

Las regresiones auxiliares consisten en la regresión de cada variable X sobre las restantes X. A continuación podemos apreciar los resultados de estaprueba para nuestro modelo:
Dependent Variable: SUMA_PIB |   |   |
Method: Least Squares | |   |
Date: 09/23/11 Time: 22:14 | |   |
Sample: 1981 2010 | |   |
Included observations: 30 | |   |
  |   |   |   |   |
  | | | |   |
Variable | Coefficient | Std, Error | t-Statistic | Prob,   |
  |   |   |   |   |
  | | | |   |
PRECIO_CU | -1,857948 | 0,481807 | -3,856204 |0,0007 |
PRECIO_AL | 0,014195 | 0,054401 | 0,260935 | 0,7963 |
MONEX | -0,186978 | 0,104187 | -1,794637 | 0,0848 |
COMMDEX | 1,912024 | 0,486272 | 3,932005 | 0,0006 |
C | -4,571964 | 2,446502 | -1,868776 | 0,0734 |
  |   |   |   |   |
  | | | |   |
R-squared | 0,773181 |     Mean dependent var | 3,374648 |
Adjusted R-squared | 0,73689 |     S,D, dependent var | 0,084611 |
S,E,of regression | 0,0434 |     Akaike info criterion | -3,285688 |
Sum squared resid | 0,04709 |     Schwarz criterion | -3,052155 |
Log likelihood | 54,28532 |     Hannan-Quinn criter, | -3,210979 |
F-statistic | 21,30502 |     Durbin-Watson stat | 0,996191 |
Prob(F-statistic) | 0 | | |   |
  |   |   |   |   |

Dependent Variable: PRECIO_CU |   |   |
Method: Least Squares | |   |Date: 09/23/11 Time: 22:14 | |   |
Sample: 1981 2010 | |   |
Included observations: 30 | |   |
  |   |   |   |   |
  | | | |   |
Variable | Coefficient | Std, Error | t-Statistic | Prob,   |
  |   |   |   |   |
  | | | |   |
PRECIO_AL | 0,006105 | 0,017864 | 0,341729 | 0,7354 |
MONEX | 0,004314 | 0,036375 | 0,118588 | 0,9065 |
COMMDEX | 1,014872 | 0,012226 |83,01232 | 0 |
SUMA_PIB | -0,200741 | 0,052057 | -3,856204 | 0,0007 |
C | -4,010606 | 0,305985 | -13,1072 | 0 |
  |   |   |   |   |
  | | | |   |
R-squared | 0,999362 |     Mean dependent var | 0,099565 |
Adjusted R-squared | 0,99926 |     S,D, dependent var | 0,524341 |
S,E, of regression | 0,014266 |     Akaike info criterion | -5,510899 |
Sum squared resid | 0,005088 |     Schwarzcriterion | -5,277366 |
Log likelihood | 87,66348 |     Hannan-Quinn criter, | -5,436189 |
F-statistic | 9788,099 |     Durbin-Watson stat | 1,727776 |
Prob(F-statistic) | 0 | | |   |
  |   |   |   |   |

Dependent Variable: PRECIO_AL |   |   |
Method: Least Squares | |   |
Date: 09/23/11 Time: 22:15 | |   |
Sample: 1981 2010 | |   |
Included observations: 30 | |   |...
tracking img