13:49:28

Multicolinealidad

Econometrı́a II

Grado en Economı́a
Universidad de Granada

Econometrı́a II Multicolinealidad – 1 / 16

13:49:28
Contenidos

❖ Contenidos
Concepto y causas
Concepto y causas

Multicolinealidad exacta
Multicolinealidad exacta o perfecta
o perfecta

Multicolinealidad
Multicolinealidad aproximada
aproximada
Detección de la Multicolinealidad
Detección de la
Multicolinealidad
Soluciones al problema de multicolinealidad
Soluciones al problema
de multicolinealidad

Econometrı́a II Multicolinealidad – 2 / 16
 13:49:28

❖ Contenidos

Concepto y causas
❖ Multicolinealidad
Multicolinealidad exacta
o perfecta

Multicolinealidad
aproximada

Detección de la
Multicolinealidad
Soluciones al problema
de multicolinealidad
Concepto y causas

Econometrı́a II Multicolinealidad – 3 / 16

13:49:28
Multicolinealidad

❖ Contenidos
El problema de multicolinealidad consiste en la existencia de relaciones
Concepto y causas
lineales entre dos o más variables independientes del modelo lineal
❖ Multicolinealidad
Multicolinealidad exacta
uniecuacional multiple. Dependiendo de cómo sea dicha relación lineal
o perfecta hablaremos de multicolinealidad perfecta o aproximada.
Multicolinealidad Las principales causas que producen multicolinealidad en un modelo
aproximada
son:
Detección de la
Multicolinealidad
relación causal entre variables explicativas del modelo.
Soluciones al problema
de multicolinealidad escasa variabilidad en las observaciones de las variables independien-
tes.
reducido tamaño de la muestra.
En definitiva, la multicolinealidad suele ser un problema muestral que se
presenta normalmente en datos con el perfil de series temporales.
Ası́, por ejemplo, la edad y la experiencia suelen presentar una alta rela-
ción ya que ambas evolucionan conjuntamente: a mayor edad se presupo-
ne mayor experiencia. Por tal motivo será difı́cil separar el efecto de cada
una sobre la variable dependiente y que se produzca multicolinealidad.

Econometrı́a II Multicolinealidad – 4 / 16
 13:49:28

❖ Contenidos

Concepto y causas

Multicolinealidad exacta
o perfecta
❖ Multicolinealidad
exacta y sus
consecuencias
❖ Ejemplo

Multicolinealidad
aproximada

Detección de la Multicolinealidad exacta o perfecta

Multicolinealidad
Soluciones al problema
de multicolinealidad

Econometrı́a II Multicolinealidad – 5 / 16

13:49:28
Multicolinealidad exacta y sus consecuencias

❖ Contenidos
La multicolinealidad exacta o perfecta hace referencia a la existencia de
Concepto y causas
una relación lineal exacta entre dos o más variables independientes.
Multicolinealidad exacta
o perfecta
Dicho tipo de multicolinealidad se traduce en el incumplimiento de una
❖ Multicolinealidad de las hipótesis básicas del modelo uniecuacional múltiple: la matriz X no
exacta y sus
consecuencias es de rango completo por columnas, esto es, rg(X) < k.
❖ Ejemplo El incumplimiento de dicha hipótesis no permite invertir la matriz X t X,
Multicolinealidad
aproximada
por lo que el sistema normal
Detección de la
Multicolinealidad X t X · β = X t y,
Soluciones al problema
de multicolinealidad es compatible indeterminado, es decir, es imposible obtener una solución
única para βb (hay infinitas).
¿Qué hacer ante esta situación? Evidentemente no se podrán esti-
mar los coeficientes de las variables independientes, sin embargo, si se
podrá estimar una combinación lineal de los mismos. Y en tal caso no te-
nemos garantizado que se puedan recuperar a partir de éstas las estima-
ciones de los parámetros originales.

Econometrı́a II Multicolinealidad – 6 / 16
 13:49:28
Ejemplo

❖ Contenidos
Consideremos el modelo
Concepto y causas

Multicolinealidad exacta Yt = β1 + β2 Xt2 + β3 Xt3 + ut ,

o perfecta
❖ Multicolinealidad
exacta y sus donde Xt2 − Xt3 = 1.
consecuencias
❖ Ejemplo
Entoces, sin más que sustituir Xt2 = 1 + Xt3 en el modelo original:
Multicolinealidad
aproximada Yt = β1 + β2 · (1 + Xt3 ) + β3 Xt3 + ut
Detección de la = (β1 + β2 ) + (β2 + β3 ) · Xt3 + ut ,
Multicolinealidad
Soluciones al problema
de multicolinealidad obtenemos que las combinaciones lineales estimables de los parámetros
originales son:
β1 + β2 , β2 + β3 .
Si sustituimos Xt3 = Xt2 − 1 se tiene:

Yt = β1 + β2 · Xt2 + β3 · (Xt2 − 1) + ut
= (β1 − β3 ) + (β2 + β3 ) · Xt2 + ut ,

es decir, las combinaciones lineales estimables son β1 − β3 y β2 + β3 .

Econometrı́a II Multicolinealidad – 7 / 16

13:49:28

❖ Contenidos

Concepto y causas

Multicolinealidad exacta
o perfecta

Multicolinealidad
aproximada
❖ Multicolinealidad
aproximada y sus
consecuencias
❖ Ejemplo

Detección de la Multicolinealidad aproximada

Multicolinealidad
Soluciones al problema
de multicolinealidad

Econometrı́a II Multicolinealidad – 8 / 16
 13:49:28
Multicolinealidad aproximada y sus consecuencias

❖ Contenidos
La multicolinealidad aproximada hace referencia a la existencia de una
Concepto y causas
relación lineal aproximada entre dos o más variables independientes.
Multicolinealidad exacta
o perfecta
En este caso, no se incumplirá la hipótesis básica de que la matriz X
Multicolinealidad
sea completa por columnas (rg(X) = k), por lo que se podrá invertir X t X
aproximada y obtener los estimadores por mı́nimos cuadrados ordinarios. Sin embargo,
❖ Multicolinealidad
aproximada y sus el determinante de X t X será muy próximo a cero, por lo que (X t X)−1
consecuencias
❖ Ejemplo
tenderá a tener valores altos.
Detección de la
En consecuencia, cuando existe un problema de multicolinealidad no
Multicolinealidad perfecta se presentan los siguientes problemas:
Soluciones al problema
de multicolinealidad las varianzas de los estimadores son muy grandes.
al efectuar contrastes de significación individual habrá tendencia a no
rechazar la hipótesis nula.
los coeficientes estimados serán muy sensibles ante pequeños cambios
en los datos.
un coeficiente de determinación elevado.

Econometrı́a II Multicolinealidad – 9 / 16

13:49:28
Ejemplo (Gujarati)

❖ Contenidos ′
Y X1 X2 X2
Concepto y causas
1 2 4 4
Multicolinealidad exacta
o perfecta 2 0 2 2
Multicolinealidad 3 4 12 0
aproximada
❖ Multicolinealidad
4 6 0 12
aproximada y sus
consecuencias
5 8 16 16
❖ Ejemplo

Detección de la
Ybt = 1’1939 + 0’4463 ·X1t + 0’003 ·X2t (1)
Multicolinealidad (0’7737) (0’1848) (0’0851)
Soluciones al problema

Ybt
de multicolinealidad ′
= 1’2108 + 0’4014 ·X1t + 0’027 ·X2t (2)
(0’748) (0’2721) (0’1252)

βb2 es significativo al nivel del 10 % en (1) y no lo es en (2)

′
La correlación entre X1 y X2 es de 0’5523 mientras que entre X1 y X2 es
0’8285 (aumenta)

Econometrı́a II Multicolinealidad – 10 / 16
 13:49:28
Ejemplo: variaciones en los datos

❖ Contenidos
Como se observa en los dos siguientes sistemas de ecuaciones normales,
Concepto y causas
cuando hay multicolinealidad, un pequeño cambio numérico en los datos
Multicolinealidad exacta
o perfecta
provoca que las soluciones hayan cambiado considerablemente.
Multicolinealidad 
aproximada β2 + 0′ 9β3 = 2′ 8
❖ Multicolinealidad =⇒ β2 = 1, β3 = 2.
aproximada y sus 0′ 9β2 + β3 = 2′ 9
consecuencias
❖ Ejemplo

β2 + 0′ 99β3 = 2′ 8
Detección de la =⇒ β2 = −13′ 436, β3 = 16′ 4.
Multicolinealidad 0′ 99β2 + β3 = 3′ 1
Soluciones al problema
de multicolinealidad

Econometrı́a II Multicolinealidad – 11 / 16

13:49:28

❖ Contenidos

Concepto y causas

Multicolinealidad exacta
o perfecta

Multicolinealidad
aproximada

Detección de la
Multicolinealidad
Soluciones al problema
de multicolinealidad
Detección de la Multicolinealidad

Econometrı́a II Multicolinealidad – 12 / 16
 13:49:28
Detección de la multicolinealidad

❖ Contenidos
Basarse en los sintomas enumerados anteriormente para la detección de
Concepto y causas
la multicolinealidad no es un procedimiento fiable ya que es subjetivo.
Multicolinealidad exacta
o perfecta
Por tal motivo, para la detección de la multicolinealidad usaremos los
Multicolinealidad
métodos:
aproximada

Detección de la
Número de condición.
Multicolinealidad Factor de agrandamiento de la varianza.
Soluciones al problema
de multicolinealidad El número de condición, k(X), se define como la raı́z cuadrada del
cociente entre el autovalor más grande de X t X, λmax , y el más pequeño,
λmin . Esto es: r
λmax
k(X) = .
λmin
Si dicho número de condición toma un valor entre 20 y 30 estamos ante un
problema de multicolinealidad probable y se considera seguro si supera 30.

Econometrı́a II Multicolinealidad – 13 / 16

13:49:28
Detección de la multicolinealidad

❖ Contenidos
El factor de agrandamiento de la varianza, F AV , se define para cada uno
Concepto y causas
de los coeficientes como:
Multicolinealidad exacta
o perfecta 1
F AV (βbi ) = , i = 2, . . . , k,
Multicolinealidad
aproximada
1 − Ri2
Detección de la
Multicolinealidad donde Ri2 es el coeficiente de determinación obtenido al efectuar la regre-
Soluciones al problema sión de Xi sobre el resto de las variables independientes del modelo.
de multicolinealidad
El FAV se interpreta como la razón entre la varianza observada y la que
habrı́a sido en caso de que Xi estuviera incorrelacionada con el resto de
variables independientes del modelo, es decir, muestra en qué medida se
agranda la varianza del estimador como consecuencia de la relación de los
regresores.
Valores del FAV superiores a 10 hacen pensar en la posible existencia
de multicolinealidad en el modelo.

Econometrı́a II Multicolinealidad – 14 / 16
 13:49:28

❖ Contenidos

Concepto y causas

Multicolinealidad exacta
o perfecta

Multicolinealidad
aproximada

Detección de la
Multicolinealidad
Soluciones al problema
de multicolinealidad
❖ Soluciones
Soluciones al problema de multicolinealidad

Econometrı́a II Multicolinealidad – 15 / 16

13:49:28
Soluciones

❖ Contenidos
Algunas de las posibles soluciones al problema de multicolinealidad son las
Concepto y causas
siguientes:
Multicolinealidad exacta
o perfecta mejora del diseño muestral estrayendo la información máxima de la va-
Multicolinealidad
aproximada
riables observadas.
Detección de la
eliminación de las variables que se sospechan son causantes de la mul-
Multicolinealidad ticolinealidad.
Soluciones al problema en caso de disponer de pocas observaciones, aumentar el tamaño de
de multicolinealidad
❖ Soluciones la muestra.
utilizar la relación extramuestral que permita realizar relaciones entre
los parámetros (información a priori) que permita estimar el modelo por
mı́nimos cuadrados restringidos.
Por otro lado, algunos autores sugieren tratar el problema de la multi-
colinealidad de forma mecánica y puramente numérica proponiendo una
técnica conocida como regresión alomada o cresta. Sin embargo, esta
técnica tiene dos problemas importantes: es arbitraria y los estimadores
obtenidos no son interpretables.

Econometrı́a II Multicolinealidad – 16 / 16