Resumen

Existen pruebas fehacientes de que las medidas existentes, diseñadas para detectar una única observación de alto apalancamiento que reduce la colinealidad, no son eficaces en presencia de múltiples observaciones de alto apalancamiento que reducen la colinealidad. En este trabajo, proponemos un punto de corte para una nueva medida de alto apalancamiento de colinealidad-influencia δi(D) y dos medidas existentes (δi y li) para identificar observaciones de alto apalancamiento de colinealidad-reducción, los puntos de alto apalancamiento que ocultan la multicolinealidad en un conjunto de datos. Es importante detectar estas observaciones, ya que son responsables de las inferencias engañosas sobre el ajuste del modelo de regresión. El mérito de nuestra propuesta de medida y punto de corte en la detección de observaciones de alto apalancamiento reductor de colinealidad se investiga mediante el uso de datos de ingeniería y simulaciones Monte Carlo.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:colinealidad de alto apalancamiento, observaciones, punto de corte, colinealidad múltiple de alto apalancamiento, colinealidad única de alto apalancamiento, simulaciones monte carlo, puntos de alto apalancamiento, medida influyente δi(d, medidas, conjunto de datos
• Keywords:high leverage collinearity, observations, cutoff point, multiple high leverage collinearity, single high leverage collinearity, monte carlo simulations, high leverage points, influential measure δi(d, measures, data set