MODELOS: EFECTOS DE LA COLINEALIDAD EN EL MODELADO DE REGRESIÓN Y SU SOLUCIÓN
ResumenLa 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...
Saved in:
Main Authors: | , , |
---|---|
Format: | Artículo |
Language: | spa |
Published: |
Universidad Autónoma de Ciudad Juárez
2015
|
Subjects: | |
Online Access: | http://erevistas.uacj.mx/ojs/index.php/culcyt/article/view/495 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Summary: | ResumenLa 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. AbstractThe 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. |
---|---|
ISSN: | 2007-0411 |