MODELOS: EFECTOS DE LA COLINEALIDAD EN EL MODELADO DE REGRESIÓN Y SU SOLUCIÓN
Resumen
Resumen
La regresión lineal es una de las técnicas más empleadas cuando se busca determinar una variable dependiente en función de una o varias variables independientes; sin embargo, tradicionalmente se emplea la técnica de mínimos cuadrados ordinarios, la cual enfrenta problemas cuando las variables independientes presentan multicolinealidad; por lo cual en este artículo se describe el problema de la colinealidad y sus efectos en los modelos generados, se discuten las principales técnicas de diagnostico y se presentan los procedimientos más empleados para manejarla o eliminarla. Palabras clave: colinealidad, regresión ridge, mínimos cuadrados ordinarios.
Abstract
The linear regression is one of the most used techniques for determinate the relation between a dependent variable and one or several independent variables; nevertheless, traditionally the least square technique is used, which faces problems when the independent variables present multicollinearity; that’s why in this article we describe the problem of the collinearity between the independent variables and it’s main effects in the regression model generated, the main techniques for diagnose it are discussed and appears the procedures for handle and sometimes to eliminate it. Keywords: collinearity, ridge regression, ordinary least square.
Descargas
Citas
Akdeniz, F. 2001. The examination and analysis of residuals for some biased estimators in linear
regression. Communications in Statistics: Theory and Methods, 30: 1171-1183.
Belsley, D. A., Kuth, E. and Welsh, R. E. 1980. Regression diagnostics –identifying influencial data and sources of collinearity-. New York, Jhon Wiley & Sons, Inc. Delaney, N. J. and Chatterjee, S. 1986. Use of the bootstrap and cross validation in ridge regression. Journal of Business and Economic Statistics, 4: 255-262.
Hoerl, A. E. and Kennard, R. W. 1970. Ridge regression: biased estimation for nonorthogonal problems. Technometrics, 12: 55-67. Jahufer, A. and Wijekoon, P. A Monte Carlo evaluation of new biased estimators in regression model. Article accepted by Indian Journal of Statistics (To be published).
Kaciranlar, S. and Sakallioglu, S. 2001. Combining the LIU estimator and the principal component regression estimator. Communications in Statistics: Theory and Methods, 22: 393-402.
Kaciranlar, S., Sakallioglu, S., Akdeniz, F., Styan, G. P. H. and Werner, H. J. 1999. A new biased estimator in linear regression and a detailed analysis of the widely-analyzed dataset on Prtland cement. Sankhya, Series B. Indian Journal of Statistics, 61: 443-459.
Kinshnamurthi, L. and Ranganwamy, A. 1987. The equity estimators of marketing research. Marketing Science, 6: 336-357.
Liu, H. 1993. A new class of biased estimate in linear regression. Communications in Statistics: Theory and Methods, 22: 393-402. Liu, K. 2003. Using Liu-Type estimator to combat collinearity. Communications in Statistics: Theory and Methods. 32(5): 1009-1020.
Marquardt, D. W. 1970. Generalized inverses, ridge regression and linear biased estimation. Technometrics, 12: 591-612.
Mason, C. C. and Perreault, W. 1991. Collinearity, power and interpretation of multiple regression analysis. Journal of Marketing Research. 28: 268-280.
Wang, G. C. S. 1996. How to handle multicollinearity in regression modelling. The Journal of Business Forecasting, Spring.
Wang, G. C. S. and Akabay, C. 1994. Autocorrelation: problems and solution in regression analysis. The Journal of Business and Forecasting Methods and Systems. 13(4): 18-26.
Willan, A. R. and Watts, D. G. (1978). Meaningful multicollinearity measures. Technometrics, 407-412.
Winchern, D. W. and Churchill, G. A. 1978. A comparison of ridge regression estimators. Technometrics, 20: 301-311.
Publicado
Cómo citar
Número
Sección
Licencia
Todos los contenidos de CULCYT se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento-No Comercial 4.0 Internacional” (CC-BY-NC). Puede consultar desde aquí la versión informativa de la licencia.
Los autores/as que soliciten publicar en esta revista, aceptan los términos siguientes: a) los/las autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra; y b) se permite y recomienda a los/las autores/as agregar enlaces de sus artículos en CULCYT en la página web de su institución o en la personal, debido a que ello puede generar intercambios interesantes y aumentar las citas de su obra publicada.
