Multicolinealidad

¿Qué es la multicolinealidad?

La multicolinealidad es un fenómeno estadístico en el que dos o más variables en un modelo de regresión dependen de las otras variables de tal manera que una puede predecirse linealmente a partir de la otra con un alto grado de precisión. Generalmente se usa en estudios observacionales y menos popular en estudios experimentales.

Tipos de multicolinealidad

Hay cuatro tipos de multicolinealidad

  • # 1 - Multicolinealidad perfecta - Existe cuando las variables independientes en la ecuación predicen la relación lineal perfecta.
  • # 2 - Multicolinealidad alta - Se refiere a la relación lineal entre las dos o más variables independientes que no están perfectamente correlacionadas entre sí.
  • # 3 - Multicolinealidad estructural - Esto es causado por el propio investigador al insertar diferentes variables independientes en la ecuación.
  • # 4 - Multicolinealidad basada en datos - Es causada por experimentos que están mal diseñados por el investigador.

Causas de multicolinealidad

Variables Independientes, Cambio en los parámetros de las Variables hacen que un pequeño cambio en las variables tenga un impacto significativo en el resultado & Recolección de datos se refiere a la muestra de la población seleccionada que se está tomando.

Ejemplos de multicolinealidad

Ejemplo 1

Supongamos que ABC Ltd a KPO ha sido contratada por una empresa farmacéutica para proporcionar servicios de investigación y análisis estadístico sobre las enfermedades en la India. Para ello, ABC ltd ha seleccionado la edad, el peso, la profesión, la altura y la salud como parámetros prima facie.

  • En el ejemplo anterior, existe una situación de multicolinealidad ya que las variables independientes seleccionadas para el estudio están directamente correlacionadas con los resultados. por lo tanto, sería aconsejable que el investigador ajuste las variables primero antes de iniciar cualquier proyecto, ya que los resultados se verán afectados directamente debido a las variables seleccionadas aquí.

Ejemplo # 2

Supongamos que ABC Ltd ha sido designada por Tata Motors para comprender que el volumen de ventas de tata motors será alto en qué categoría del mercado.

  • En el ejemplo anterior, en primer lugar se finalizarán las variables independientes en función de las cuales se debe completar la investigación. puede ser el ingreso mensual, la edad. marca, la clase baja. Significa solo que se seleccionarán datos que encajarán en todas estas pestañas para averiguar cuántas personas pueden comprar este automóvil (tata nano) sin siquiera mirar ningún otro automóvil.

Ejemplo # 3

Supongamos que se contrató a ABC Ltd para enviar un informe para saber cuántas personas menores de 50 años son propensas a sufrir ataques cardíacos. para ello los parámetros son edad, sexo, historial médico

  • En el ejemplo anterior, existe una multicolinealidad que ha surgido porque la variable independiente "edad" debe ajustarse a menos de 50 años para invitar solicitudes del público de modo que las personas que tienen más de 50 años se filtran automáticamente.

Ventajas

A continuación se presentan algunas de las ventajas

  • Relación lineal entre las variables independientes en la ecuación.
  • Muy útil en modelos estadísticos e informes de investigación elaborados por las empresas de investigación.
  • Impacto directo en el resultado deseado.

Desventajas

A continuación se presentan algunas de las desventajas

  • En algunas de las situaciones, este problema se resolvería recopilando más datos sobre las variables.
  • Uso incorrecto de variables ficticias, es decir, el investigador puede olvidarse de utilizar las variables ficticias siempre que sea necesario.
  • Insertar 2 variables iguales o idénticas en la ecuación como kg y lbs en pesos.
  • Insertar una variable en la ecuación que sea una combinación de 2.
  • Complicado realizar cálculos ya que es la técnica estadística y requiere calculadoras estadísticas para realizar la ejecución.

Conclusión

La multicolinealidad es una de las herramientas estadísticas más favorecidas que se utilizan a menudo en el análisis de regresión y el análisis estadístico para grandes bases de datos y el resultado deseado. Todas las grandes empresas tienen un departamento de estadística independiente en su empresa para realizar análisis de regresión estadística sobre productos o personas con el fin de proporcionar una visión estratégica del mercado a la dirección y también ayudarles a redactar sus estrategias a largo plazo teniendo esto en cuenta. La presentación gráfica del análisis le da al lector una imagen clara de la relación directa, precisión y desempeño.

  • Si el objetivo del investigador es comprender las variables independientes de la ecuación, la multicolinealidad será un gran problema para él.
  • El investigador debe realizar los cambios necesarios en las variables en la etapa 0, o de lo contrario puede tener un impacto masivo en los resultados.
  • La multicolinealidad se puede realizar examinando la matriz de correlación.
  • Las medidas correctivas juegan un papel importante en la solución de los problemas de multicolinealidad.