Métodos cuantitativos para un modelo de regresión lineal con multicolinealidadAplicación a rendimientos de letras del tesoro

  1. Román Salmerón Gómez 1
  2. Eduardo Rodríguez Martínez 1
  1. 1 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

Revista:
Revista de métodos cuantitativos para la economía y la empresa

ISSN: 1886-516X

Año de publicación: 2017

Volumen: 24

Páginas: 169-189

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de métodos cuantitativos para la economía y la empresa

Resumen

Es conocido que, cuando en el modelo de regresión lineal existe un alto grado de multicolinealidad, los resultados obtenidos a partir del método de mínimos cuadrados ordinarios (MCO) son inestables. Como solución a esta situación, en este trabajo se presentan los métodos de alzado, cresta y variables ortogonales como alternativa a la estimación por MCO. También se muestra que la regresión con variables ortogonales tiene sentido independientemente de la existencia de multicolinealidad grave, ya que permite dar respuesta a cuestiones no accesibles con el modelo original. Dichas metodologías se aplican a un conjunto de datos de rendimientos de letras del tesoro

€ Ver financiación

Información de financiación

Los autores desean agradecer al Departamento de Métodos Cuantitativos para la Economía y la Empresa de la Universidad de Granada la provisión de fondos para la investigación.

Financiadores

Referencias bibliográficas

  • Belsley, D.A. (1982). "Assessing the presence of harmful collinearity and other forms of weak data through a test for signal-to-noise". Journal of Econometrics, 20, 211-253.
  • García, C.B.; García, J.; López Martín, M.M. y Salmerón, R. (2015). "Collinearity: revisiting the variance inflation factor in ridge regression". Journal of Applied Statistics, 42(3), 648-661.
  • García, C.; Salmerón, R.; García, J. y López, M.M. (2016). "Estimación cresta y alzada: selección de $k$ y $lambda$ a partir del coeficiente de correlación". Anales de Economía Aplicada, XXX, 949-955.
  • García, J.; Salmerón, R.; García, C. y López Martín, M.M. (2016): "Standardization of Variables and Collinearity Diagnostic in Ridge Regression". International Statistical Review, 84(2), 245-266.
  • Marquardt, D.W. (1970). "Generalized inverses, ridge regression, biased linear estimation and nonlinear estimation''. Technometrics, 12(3), 591-612.
  • McDonald, G.C. (2010). "Tracing ridge regression coefficients". Wiley Interdisciplinary Reviews: Computational Statistics, 2, 695-703.
  • Novales, A. (1993). Econometría. McGraw-Hill, 2ª edición.
  • Novales, A.; Salmerón, R.; García, C.; García, J. y López, M.M. (2015). "Tratamiento de la multicolinealidad aproximada mediante variables ortogonales". Anales de Economía Aplicada, XXIX, 1212-1227.
  • O’Brien, R.M. (2007). "A caution regarding rules of thumb for variance inflation factors". Quality and Quantity, 41, 673–690.
  • Salmerón, R.; García, C.; García, J. y López, M. M. (2017). "The raise estimators. Estimation, inference and properties". Communications in Statistics-Theory and Methods, 46(13), 6446-6462.
  • Spanos, A. y McGuirk, A. (2002). "The problem of near-multicollinearity revisited: erratic vs systematic volatily". Journal of Econometrics, 108 (2), 365-393.
  • Zhang, J. e Ibrahim, M. (2005). "A simulation study on SPSS ridge regression and ordinary least squares regression procedures for multicollinearity data". Journal of Applied Statistics, 32(6), 571-588.
Fuente de los datos: Dialnet