Finanzas
Sea un modelo
Yt = β0 + β1 Xt1 + β2 Xt2 + ut (Regresión Mínimos Cuadrados Ordinarios)
Si Xt1 = f ( Xt2 ) lineal se estará enpresencia de Multicolinealidad (Lo cual no es nada grave) pero si la relación lineal es perfecta:
Xt1 = 2 Xt2
El desarrollo de las estimaciones de β1 y β2 no será posible puesto que laestimación de los parámetros se realiza en forma independiente y por lo tanto ante multicolinealidad perfecta no es posible realizar eso.
Las variables XS pueden estar correlacionadaslinealmente, cuando la correlación es perfecta el valor de las βs no se pueden estimar porque no se puede mantener la variación de una X sin que las otras X permanezcan constantes.
Cuando se construyenvariables Xs a partir de otras variables Xs lo más seguro es que aparezca la multicolinealidad, aunque sólo en el caso de que sea perfecta la multicolinealidad el modelo no puede estimarse. Sinembargo la existencia de una multicolinealidad muy alta estará manifestando la necesidad de repensar el modelo puesto que dos variables en realidad expresan una misma. Algo común al iniciar en eldesarrollo de modelos es plantear igualdades macroeconómicas como relaciones funcionales y por ello una supuesta eficiencia de la función sin que el modelo manifieste nada.
Como se detecta1. Relación de Prueba t no significativa con R² muy alta.
2. Matriz de correlación:
Si el determinante de la Matriz R es cercana a cero, el grado de multicolinealidad esconsiderable; si es cercano a uno la correlación entre las variables no será de consideración.
cor X1 X2 obtener la correlacion
group GRX1 X2 crear un grupo con x1 x2
matrix matcor = @cor(GR) sacar la matris de matcor
Scalar C2 = @determinant(matcor)...
Regístrate para leer el documento completo.