Multicolinealidad en econometría: causas, consecuencias y detección

MatemáticasActualizado el 3,06 KB

Resumen

El documento explica la multicolinealidad en modelos econométricos, sus causas y consecuencias para las estimaciones MCO, y cómo detectarla a partir de los resultados de la estimación. También presenta el uso de variables dummy para representar cambios en el término independiente o en los coeficientes, y clasifica los tipos de variables (endógenas, exógenas, predeterminadas y de control).

Puntos clave

  • La multicolinealidad aparece por escasa variabilidad de una variable explicativa o por relaciones causales entre explicativas, frecuentes en series temporales de valores monetarios.
  • Si la multicolinealidad es perfecta no pueden obtenerse los estimadores MCO.
  • Consecuencias: errores estándar elevados, intervalos de confianza amplios, alta sensibilidad a observaciones o variables y cambio de signo de los estimadores.
  • Indicador clave: R² y estadístico F elevados con estadísticos t poco significativos.
  • Se detecta también con altas correlaciones entre pares de explicativas, correlaciones parciales elevadas y regresiones auxiliares con coeficientes significativos.
  • Las variables dummy representan cambios en el término independiente, en los coeficientes o en ambos.
  • Variables endógenas: determinadas por la interacción simultánea del modelo; exógenas: determinadas fuera del modelo.
  • Variables predeterminadas: las exógenas y los retardos de las endógenas usados como explicativas; variables de control: exógenas cuyo control fija el usuario del modelo para apoyar decisiones económicas.

Ponte a prueba

Causas y Consecuencias de la Multicolinealidad

La **multicolinealidad** es un fenómeno común en los modelos econométricos que puede afectar significativamente la fiabilidad de las estimaciones. A continuación, se detallan sus causas y consecuencias principales:

Causas de la Multicolinealidad

  • **Escasa variabilidad** de alguna **variable explicativa**.
  • Existencia de cierta **relación causal** entre dos o más **variables explicativas**.
  • Existencia de **relación causal** entre dos **variables explicativas** (común en modelos de **series temporales** de valores monetarios).

Consecuencias de la Multicolinealidad

  • No se pueden conseguir los **estimadores MCO** si la **multicolinealidad** es perfecta.
  • **Errores estándar** elevados y extensos **intervalos de confianza**.
  • Mucha **sensibilidad** al añadir o eliminar **observaciones** o **variables**.
  • **Signo cambiado** de los **estimadores**.

Estimación en Presencia de Multicolinealidad

Para detectar la presencia o ausencia de **multicolinealidad**, es fundamental estar atento a posibles incongruencias en los datos tras la **estimación por MCO**. Si existen indicios que evidencian su presencia, es crucial considerar posibles **incongruencias** en los datos tras la **estimación por MCO**. Para identificarla, podemos fijarnos en los siguientes **indicadores**:

  • Mientras que el **R²** y el **estadístico F** del contraste de **significación conjunta** son elevados, los **estadísticos t-Student** de algunos parámetros son poco significativos.
  • Altas **correlaciones** entre parejas de **variables explicativas**.
  • Examinar las **correlaciones parciales** en busca de **coeficientes** elevados.
  • Estimar las **regresiones auxiliares** en busca de **coeficientes significativos**.

Variables Dummy con Más de una Categoría

Las **variables dicotómicas** o *dummy* se introducen en los modelos para representar adecuadamente **cambios** en:

  1. En el **término independiente** de la ecuación.
  2. En los **coeficientes** de algunas **variables explicativas**.
  3. Ambas situaciones: tanto en el **término independiente** como en el **coeficiente** de las **variables explicativas**.

Tipos de Variables

En el contexto de los modelos econométricos, es esencial distinguir entre diferentes tipos de variables según su rol y determinación:

Variables Endógenas

Sus valores están determinados por la **interacción simultánea** de las relaciones del modelo.

Variables Exógenas

Sus valores están determinados **fuera del modelo**.

Variables Predeterminadas

Se denominan así tanto a todas las **variables exógenas** como a los **retardos de las endógenas** que se utilicen como explicativas.

Variables de Control

Se denominan así a las **variables exógenas** cuyo control lo determina el **político** o **usuario del modelo** cuando este se utiliza como apoyo a la **decisión económica**.

Descargar

PDF Word HTML

Preguntas frecuentes

¿Qué causa la multicolinealidad?

Puede deberse a la escasa variabilidad de una variable explicativa o a la existencia de relaciones causales entre dos o más variables explicativas. Es común en modelos de series temporales de valores monetarios.

¿Cómo se detecta la multicolinealidad?

Se observa un R² y un estadístico F elevados junto con estadísticos t poco significativos. También pueden revisarse las altas correlaciones entre pares de explicativas, las correlaciones parciales elevadas y las regresiones auxiliares con coeficientes significativos.

¿Cuál es la diferencia entre variables endógenas y exógenas?

Las endógenas tienen sus valores determinados por la interacción simultánea de las relaciones del modelo. Las exógenas tienen sus valores determinados fuera del modelo.

Ponte a prueba

Tarjetas de repaso

Pulsa una tarjeta para ver la respuesta.

Test

1. ¿Cuál de las siguientes es una consecuencia de la multicolinealidad?
2. ¿Qué combinación de resultados sugiere multicolinealidad?
3. ¿Qué son las variables predeterminadas?
4. ¿Qué representan las variables dummy en un modelo?
5. ¿Qué caracteriza a las variables de control?

Preguntas generadas con IA a partir del documento: comprueba las respuestas con el texto.