El valor de 10 no se obtiene de un estadístico, por lo que no hay nivel de confianza. Los valores se aproximan por métodos númericos, se hacen simulaciones y se obtiene que ese valor discrimina los casos de no multicolinealidad.
Pues sí, sería como una regla estadística pero que no se obtiene de un desarrolla matemático de funciones de distribución. Si no que se crean miles de modelos que tienen multicolinealidad y otros miles que no la tienen y se busca qué valores son los convenientes.
Hola, es una buena pregunta dado que las simulaciones de la prueba de multicolinealidad están hechas para el modelo de regresión lineal. Sin embargo Menard, en su libro "Applied logistic regression analysis" (2002) señala que en la medida que la multicolinealidad es una elevada correlación entre las variables independientes, no es relevante la forma funcional, por lo que la prueba vif, sí se puede aplicar en una estimación probit. Adicionalmente, hay simulaciones que muestran que la alta correlación entre las variables independientes genera estimadores no significativos en los modelos logit o probit, lo que refuerza la idea de que puede ser importante realizar pruebas de multicolinealidad en estos modelos.
en mi caso tuve una matriz de 3*3, lo que hice fue dividir el valor maximo y el minimo todo eso elevado a la.5 y me salio un scalar de 17.41808 osea mayor a 10 entonces si existe problema de multicolinealidad?
No conozco un video que aborde el problema, las soluciones van por el lado de imponer alguna restricción en los parámetros (lo que depende de cada caso) o la estimación cordillera.
En cuanto a la segunda forma de hacerlo, tengo un valor mínimo negativo y me sale un cartel que dice "attempt to raise a negative number to a non integer power", qué significa?
Significa que intenta calcular la raíz(elevar a la potencia no entera) de un número negativo y no la puede calcular. Me parece raro que tengas un autovalor negativo. He hecho algunos ejemplos con coeficientes de correlación extremos (negativos, cercanos a 1, cercanos a 0) y siempre se obtienen autovalores positivos.
Muchas gracias por responder, al final me había equivocado yo porque cuando abrí el grupo, lo abrí también con la variable dependiente, después volví a ver el vídeo y vi que vos solo lo abrías con las variables independientes, está bien?
Hay varias forma de buscar solucionar el problema de multicolinealidad y todas están ligadas a introducir información adicional en el modelo, ya que la información (datos) no permite diferenciar el efecto de cada variable. Las soluciones pueden ser muchas y depende del modelo que se estime, en algunos casos se puede agregar restricciones entre los parámetros, por ejemplo obteniendo el promedio de dos variable, o dividiendo dos variables. El caso más extremo es eliminar una de las variables.
Oye eres lo máximo. Gracias a ti, saque adelante mi modelo econométrico para mi tesis....Mil mil gracias
Muchísimas gracias. Explicas muy sencillo y rápido. Ojalá sigas haciendo más videos.
Hola. ¿Cómo identificar y resolver la multicolinealidad en datos de panel? Muchas gracias.
I have the same question like Márcia. Can you help me?
Me surgio la duda por que menos 10, a que niveles de confianza estás trabajando que indica ese 10???
El valor de 10 no se obtiene de un estadístico, por lo que no hay nivel de confianza. Los valores se aproximan por métodos númericos, se hacen simulaciones y se obtiene que ese valor discrimina los casos de no multicolinealidad.
es como una regla de la estadística.?
Pues sí, sería como una regla estadística pero que no se obtiene de un desarrolla matemático de funciones de distribución. Si no que se crean miles de modelos que tienen multicolinealidad y otros miles que no la tienen y se busca qué valores son los convenientes.
Gracias, logre mi modelo econometrico gracias a ti, por lo menos no me presento los tres errores comunes.
Hola, esta prueba de multicolinealidad sirve tambien para un modelo probit? o es diferente? te agradezco tu respuesta
Hola, es una buena pregunta dado que las simulaciones de la prueba de multicolinealidad están hechas para el modelo de regresión lineal. Sin embargo Menard, en su libro "Applied logistic regression analysis" (2002) señala que en la medida que la multicolinealidad es una elevada correlación entre las variables independientes, no es relevante la forma funcional, por lo que la prueba vif, sí se puede aplicar en una estimación probit.
Adicionalmente, hay simulaciones que muestran que la alta correlación entre las variables independientes genera estimadores no significativos en los modelos logit o probit, lo que refuerza la idea de que puede ser importante realizar pruebas de multicolinealidad en estos modelos.
kwirabakwiraba muchisimas gracias!! me ayudaste mucho con esta duda que tenia. Saludos desde Bolivia 😁
en mi caso tuve una matriz de 3*3, lo que hice fue dividir el valor maximo y el minimo todo eso elevado a la.5 y me salio un scalar de 17.41808 osea mayor a 10 entonces si existe problema de multicolinealidad?
Sí, el valor del índide de condicionalidad muestra que hay problema de multicolinealidad
algun video que me recomeindes donde me pueda guiar para corregir multicolinealidad? te lo agradeceria :D
No conozco un video que aborde el problema, las soluciones van por el lado de imponer alguna restricción en los parámetros (lo que depende de cada caso) o la estimación cordillera.
En cuanto a la segunda forma de hacerlo, tengo un valor mínimo negativo y me sale un cartel que dice "attempt to raise a negative number to a non integer power", qué significa?
Significa que intenta calcular la raíz(elevar a la potencia no entera) de un número negativo y no la puede calcular.
Me parece raro que tengas un autovalor negativo. He hecho algunos ejemplos con coeficientes de correlación extremos (negativos, cercanos a 1, cercanos a 0) y siempre se obtienen autovalores positivos.
Muchas gracias por responder, al final me había equivocado yo porque cuando abrí el grupo, lo abrí también con la variable dependiente, después volví a ver el vídeo y vi que vos solo lo abrías con las variables independientes, está bien?
Sí, la prueba se hace solo con las variables independientes. Que bien que supiste en dónde estaba la equivocación.
Si el valor hubiera sido mayor a 10, ¿Cómo solucionarlo?
Hay varias forma de buscar solucionar el problema de multicolinealidad y todas están ligadas a introducir información adicional en el modelo, ya que la información (datos) no permite diferenciar el efecto de cada variable.
Las soluciones pueden ser muchas y depende del modelo que se estime, en algunos casos se puede agregar restricciones entre los parámetros, por ejemplo obteniendo el promedio de dos variable, o dividiendo dos variables. El caso más extremo es eliminar una de las variables.
Gracias!