Multicolinariedade

Área temática: Finanças

Título: Multicolinearidade em Análise de Regressão.
AUTOR
LUÍS FERNANDO MOREIRA [e-mail] Resumo:
A regressão múltipla visa entre outras coisas estabelecer a importância relativa e a magnitude do efeito das variáveis preditoras sobre a variável dependente, identificar preditores que deveriam ser eliminados do modelo e apontar a necessidade de inclusão de variáveis preditoras ainda não participantes do modelo. Na ausência de multicolinearidade esses objetivos podem ser facilmente alcançados. Infelizmente, nas ciências sociais, em função dos experimentos não serem controlados, a existência de multicolinearidade é a regra. Esse trabalho apresenta um exemplo de como identificar e tratar a multicolinearidade
Palavras chave: Regressão múltipla, multicolinearidade, econometria.
Abstract:
The multiple regression model aims among other things to establish the relative importance and magnitude of the effect of a given predictor variable on the response variable, identify predictor variables that should be dropped from the model, and point out the need to include predictor variables not considered to inclusion yet. In the absence of multicollinearity these goals can be easily attainable. Unfortunately, in social sciences as the experiments are not controlled the presence of multicollinearity is the rule. This paper shows an example of how to identify and deal with multicollinearity.
Key words: Multiple regression, multicollinearity, econometrics.

1

1. Introdução
Nos modelos de regressão múltipla de primeira ordem, quando as variáveis preditoras não estão correlacionadas, o efeito atribuído a cada uma delas é o mesmo, não importa quais variáveis estejam inclusas no modelo. Ainda nesse contexto, a contribuição marginal para a redução da soma dos quadrados da regressão de uma das preditoras quando a outra está no modelo é a mesma de quando ela aparece sozinha no modelo (Kutner et al., 2004). Mais