Medidas de corrección de la multicolinealidad

Como la multicolinealidad es un problema muestral, podríamos resolverla simplemente ampliando la muestra. No obstante, si teníamos acceso a más información deberíamos haberla usado desde el principio.

Una solución para la multicolinealidad imperfecta es la eliminación de alguna de las variables causantes de dicha multicolinealidad. El problema que plantea esta solución es la posibilidad de incurrir en un error de especificación por omisión de una variable relevante.

Hay que tener en cuenta que, cuanto mayor sea la información compartida por las variables, es decir, cuanto mayor sea el grado de multicolinealidad, menor será el riesgo de cometer un error de especificación por omisión al eliminar una de las variables que la generan.

Otra solución práctica a la que se recurre con frecuencia es  la transformación de las variables incluidas en el modelo, en un intento de que las variables transformadas presenten correlaciones lineales más bajas.

Las transformaciones más comúnmente utilizadas son el cálculo de los incrementos de la variables (si se trata de una serie temporal) o relativizarlas con respecto a una variable común (por ejemplo ponerlas en término per cápita).

En nuestro ejemplo podemos volver a estimar el modelo con las variables expresadas en incrementos o diferencias de orden 1. Para ello usaremos la función D(variable).

Ejercicio.-  Estimar el nuevo modelo y estudiar su multicolinealidad.

Si los fines que se persiguen con la construcción del modelo son predictivos, el problema de la multicolinealidad no es tan relevante, ya que no afecta a la capacidad explicativa conjunta de la variables y ni, por tanto, a su capacidad predictiva.