Una metodología para el tratamiento de la multicolinealidad a través del escalamiento multidimensional

Se presenta una estrategia para tratar el incumplimiento del supuesto de multicolinealidad en el análisis de regresión múltiple, cuando las variables regresoras son cualitativas, cuantitativas o mixtas (cuantitativas y cualitativas) y la variable respuesta continua. La metodología se basa en el anál...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad Pedagógica y Tecnológica de Colombia
Repositorio:
RiUPTC: Repositorio Institucional UPTC
Idioma:
spa
OAI Identifier:
oai:repositorio.uptc.edu.co:001/15211
Acceso en línea:
https://revistas.uptc.edu.co/index.php/ciencia_en_desarrollo/article/view/5239
https://repositorio.uptc.edu.co/handle/001/15211
Palabra clave:
Multicolinealidad
Escalamiento Multidimensional
Distancia de Gower
Regresión Múltiple
Componentes Principales
Estadística
Rights
License
Derechos de autor 2017 CIENCIA EN DESARROLLO
Description
Summary:Se presenta una estrategia para tratar el incumplimiento del supuesto de multicolinealidad en el análisis de regresión múltiple, cuando las variables regresoras son cualitativas, cuantitativas o mixtas (cuantitativas y cualitativas) y la variable respuesta continua. La metodología se basa en el análisis de escalamiento multidimensional, usando como métrica la distancia de Gower si las variables predictoras son mixtas, o en caso contrario, otra distancia de tipo Euclideana. El propósito es obtener la matriz de coordenadas principales, y con ésta, estimar el modelo de regresión. Para observar las bondades del método propuesto, se realizan dos casos de simulación: el primero sin presencia de multicolinealidad y el segundo, con presencia de multicolinealidad. Se presentan dos casos de aplicación analizados por Draper y Smith (2014) mediante regresión múltiple, tanto en los casos simulados como en las aplicaciones se utilizó el paquete estadístico R. Los resultados de las simulaciones y aplicaciones se comparan con la regresión múltiple clásica y la basada en componentes principales. El análisis propuesto es una alternativa de modelamiento que corrige la colinealidad y permite trabajar las variables sin pérdida de información al modelar linealmente situaciones donde se oculta el verdadero efecto de las variables originales, de manera que no se manipulen los resultados.