Regresi N Lineal M Ltiple

Revista Ciencias Técnicas Agropecuarias
ISSN: 1010-2760
paneque@isch.edu.cu
Universidad Agraria de La Habana Fructuoso
Rodríguez Pérez
Cuba

del Valle Moreno, Juan; Guerra Bustillo, C. Walkiria
La Multicolinealidad en modelos de Regresión Lineal Múltiple
Revista Ciencias Técnicas Agropecuarias, vol. 21, núm. 4, octubre-diciembre, 2012, pp. 80-83
Universidad Agraria de La Habana FructuosoRodríguez Pérez
La Habana, Cuba

Disponible en: http://www.redalyc.org/articulo.oa?id=93223755013

Cómo citar el artículo
Número completo
Más información del artículo
Página de la revista en redalyc.org

Sistema de Información Científica
Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abiertoRevista Ciencias Técnicas Agropecuarias, ISSN-1010-2760, RNPS-0111, Vol. 21, No. 4, octubre-diciembre, pp. 80-83, 2012

COMPUTACIÓN Y MATEMÁTICA APLICADA
APLLIED COMPUTATION AND MATHEMATICS
ARTÍCULO ORIGINAL

La Multicolinealidad en modelos de Regresión Lineal
Múltiple
The Multicollinearity in Multiple Lineal Regression
Models
Juan del Valle Moreno1 y C. Walkiria Guerra Bustillo2
RESUMEN. En estetrabajo se aborda la problemática de la Multicolinealidad entre las variables regresoras en el Modelo de Regresión Lineal
Múltiple. Diversas son los ambientes en las ciencias agrícolas donde esta dificultad puede presentarse. En este trabajo para crear una situación
de multicolinealidad en los datos, necesarios para el estudio, se generaron variables explicativas de modo que entre dos de ellasexistiera cierto
grado de dependencia es decir “casi combinación lineal”. Creadas estas condiciones se establece el análisis de la multicolinealidad transitando
por: síntoma, diagnóstico y tratamiento. Para la sintomatología se analizan las correlaciones por pares de variables regresoras, la prueba F
parcial y total sobre los coeficientes de regresión, el error estándar de cada estimador ycoeficiente de determinación, entre otros aspectos. Para
el diagnóstico se usó la diagonalización de la matriz de correlaciones y el examen de los últimos valores propios que brinda una información
precisa. Para el tratamiento se aborda la Regresión Ridge y la Regresión sobre Componentes Principales, las cuales resultan efectivas para
describir con exactitud y precisión los estimadores en el Modelo deRegresión Lineal Múltiple.
Palabras clave: multicolinealidad, Regresión Lineal Múltiple, Regresión Ridge, Regresión sobre Componentes Principales.
ABSTRACT. This work is about the Multicollinearity problem between the regressive variables in a Multiple Lineal Regression Model. There
are many ambiences in the Agro sciences in which this problem can be found. So, in this work and to create, in thedata which is really necessary for this study, a multicollinearity situation, explicative variables were generated in a way that at least two of them had a certain degree of
dependency, that is to say ¨an almost lineal combination. Once these conditions are created, an analysis of the Multicollinearity is established
taking into consideration the symptom, the diagnose and the treatment. For thesymptom, the correlation between regressive variable pairs, the
F partial and total test on regressive coefficients, the standard error in each estimator and the determination of the coefficient, among others,
were deeply analyzed. For the diagnose, a diagonalization of the correlation matrix was used as well the study of the last own values that gives
us a precise information. For the treatment, theRidge Regression and the Regression of Principal Components were used which resulted very
efficient to accurately describe the estimators in the Multiple Lineal Regression Model.
Keywords: Multicollinearity, Multiple Lineal Regression Model, Ridge Regression, Regression of Principal Components.

INTRODUCCIÓN
El tratamiento de la Multicolinealidad ha sido abordado ampliamente en la literatura...