Ver/Abrir - Repositorio Digital - Instituto Politécnico Nacional

Consecuencias:
1. Aunque los estimadores obtenidos por el método M.C.O., sean eficientes,
sus errores estándar tienden a ser mayores a medida que aumenta el grado de
colinealidad.
2. Los intervalos de confianza para los parámetros poblacionales tienden a ser
grandes.
3. La probabilidad de aceptar una hipótesis falsa (error tipo II) aumenta.
4. Los estimadores y sus errores estándar se vuelven muy sensibles incluso
con pequeñísimos cambios en las cifras.
Observaciones generales.
-Si la 2
R es alta y las correlaciones de orden cero son altas y a la vez
ninguno o pocos de los coeficientes de regresión parcial son individualmente
significativos, pueden ser síntomas de la existencia de multicolinealidad.
-Para fines de predicción, la multicolinealidad no es un problema tan
serio dado que mientras mayor sea 2
R , mejor será la predicción, siempre y
cuando la colinealidad existente entre las variables en una muestra dada se
mantenga en el futuro.
-En el caso de multicolinealidad, no existen reglas generales para su
solución, y dependiendo del problema en particular que se esté tratando, serán
las medidas remediables que se deban tomar. Algunas de ellas podrían ser;
trabajar con información a priori, donde ésta puede provenir de la teoría
(económica o del campo que se trate), o bien, de trabajos empíricos en donde
el problema de la colinealidad es menos serio.
4.6 Cadenas de Markov
4.6.1 Introducción
Los modelos de procesos de Markov son útiles para estudiar la evolución
de sistemas a lo largo de ensayos repetidos los que, a menudo, son periodos
sucesivos desde el estado del sistema en cualquier periodo particular no puede
63