¿Qué es la multicolinealidad?
La multicolinealidad es la aparición de altas intercorrelaciones entre variables independientes en un modelo de regresión múltiple. La multicolinealidad puede conducir a resultados sesgados o engañosos cuando un investigador o analista intenta determinar qué tan bien cada variable independiente se puede usar de manera más efectiva para predecir o comprender la variable dependiente en un modelo estadístico. En general, la multicolinealidad puede conducir a intervalos de confianza más amplios y valores de probabilidad menos confiables para las variables independientes. Es decir, las inferencias estadísticas de un modelo con multicolinealidad pueden no ser confiables.
Comprender la multicolinealidad
Los analistas estadísticos utilizan modelos de regresión múltiple para predecir el valor de una variable dependiente especificada en función de los valores de dos o más variables independientes. La variable dependiente a veces se denomina resultado, objetivo o variable de criterio. Un ejemplo es un modelo de regresión multivariante que intenta anticipar los rendimientos de las acciones en función de elementos como la relación precio / ganancias, la capitalización de mercado, el rendimiento pasado u otros datos. El rendimiento del stock es la variable dependiente y los diversos bits de datos financieros son las variables independientes.
Para llevar clave
- La multicolinealidad es un concepto estadístico donde las variables independientes en un modelo están correlacionadas. La multicolinealidad entre las variables independientes dará como resultado inferencias estadísticas menos confiables. Es mejor usar variables independientes que no estén correlacionadas o sean repetitivas cuando se construyen modelos de regresión múltiple que usan dos o más variables.
La multicolinealidad en un modelo de regresión múltiple indica que las variables independientes colineales están relacionadas de alguna manera, aunque la relación puede ser casual o no. Por ejemplo, el rendimiento pasado podría estar relacionado con la capitalización de mercado, ya que las acciones que han tenido un buen desempeño en el pasado tendrán valores de mercado crecientes. En otras palabras, la multicolinealidad puede existir cuando dos variables independientes están altamente correlacionadas. También puede suceder si se calcula una variable independiente a partir de otras variables en el conjunto de datos o si dos variables independientes proporcionan resultados similares y repetitivos.
Una de las formas más comunes de eliminar el problema de la multicolinealidad es identificar primero las variables colineales independientes y luego eliminar todas menos una. También es posible eliminar la multicolinealidad combinando dos o más variables colineales en una sola variable. El análisis estadístico se puede realizar para estudiar la relación entre la variable dependiente especificada y solo una variable independiente.
Ejemplo de multicolinealidad
Para invertir, la multicolinealidad es una consideración común cuando se realiza un análisis técnico para predecir los probables movimientos de precios futuros de un valor, como el futuro de una acción o de un producto básico. Los analistas de mercado desean evitar el uso de indicadores técnicos que son colineales, ya que se basan en datos muy similares o relacionados; tienden a revelar predicciones similares con respecto a la variable dependiente del movimiento de precios. En cambio, el análisis de mercado debe basarse en variables independientes marcadamente diferentes para garantizar que analicen el mercado desde diferentes puntos de vista analíticos independientes.
El destacado analista técnico John Bollinger, creador del indicador de Bandas de Bollinger, señala que "una regla fundamental para el uso exitoso del análisis técnico requiere evitar la multicolinealidad en medio de los indicadores".
Para resolver el problema, los analistas evitan usar dos o más indicadores técnicos del mismo tipo. En cambio, analizan una seguridad utilizando un tipo de indicador, como un indicador de impulso y luego hacen un análisis por separado utilizando un tipo diferente de indicador, como un indicador de tendencia.
Un ejemplo de un posible problema de multicolinealidad es realizar un análisis técnico utilizando solo varios indicadores similares, como los estocásticos, el índice de fuerza relativa (RSI) y Williams% R, que son todos indicadores de impulso que dependen de entradas similares y es probable que produzcan resultados. En este caso, es mejor eliminar todos los indicadores menos uno o encontrar una manera de combinar varios de ellos en un solo indicador, al tiempo que agrega un indicador de tendencia que probablemente no esté altamente correlacionado con el indicador de impulso.
