Se presenta el escalamiento multidimensional como estrategia alternativa para tratar el problema de multicolinealidad en el análisis de regresión múltiple, cuando las variables regresoras son cualitativas, cuantitativas o mixtas (cuantitativas y cualitativas) y la variable respuesta es continua. El propósito es obtener la matriz de coordenadas principales usando como métrica la distancia de Gower si las variables predictoras son mixtas o, en caso contrario, otra distancia de tipo Euclideana, y a partir de esta matriz estimar el modelo de regresión. Para observar las bondades del método propuesto, se realizan dos casos de simulación: el primero sin presencia de multicolinealidad y el segundo con presencia de multicolinealidad. Se muestran dos casos de aplicación analizados por [46] mediante regresión múltiple, en los casos simulados y en las aplicaciones se utilizó el paquete estadístico R. Los resultados de las simulaciones y aplicaciones se comparan con la regresión múltiple clásica y la basada en componentes principales. El análisis propuesto es una alternativa de modelamiento que corrige la colinealidad y permite trabajar con variables explicativas sin pérdida de información; además, esta técnica al transformar las variables originales en coordenadas, en su modelamiento logra ocultar el efecto de las variables observadas, de manera que no se manipulen los resultados.
1. INTRODUCCIÓN
Un tema de creciente interés es el estudio y modelamiento de la asociación entre variables. En las diferentes áreas del conocimiento como biología, econometría, ecología, medicina, psicología, en general las ciencias humanas, entre otras, surgen situaciones donde el investigador está interesado en ajustar un modelo incluyendo cada una de las variables regresoras observadas. Con frecuencia, al modelar este tipo de información, el cumplimiento de las premisas necesarias para ajustar una regresión lineal múltiple no se satisfacen, en particular, el problema de colinealidad entre las variables regresoras.
En la literatura especializada existen métodos alternativos para tratar el modelamiento cuando hay presencia de multicolinealidad entre los predictores. La multicolinealidad implica la existencia de una dependencia lineal entre las variables regresoras (columnas de la matriz del modelo), trayendo consigo problemas de no estimación única de los parámetros y por lo tanto, una falsa relación entre las variables explicativas y la variable respuesta.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Soluciones positivas de ecuaciones diferenciales fraccionarias con -Laplaciano.
Artículo:
Análisis del juego de la evolución multiagente de la renovación verde de edificios existentes desde la perspectiva del crédito verde.
Artículo:
Cierto tipo de variedades casi-cosimpécticas
Artículo:
La fórmula de traza regularizada del espectro de un problema de valor límite de Dirichlet con punto de retorno.
Artículo:
Cálculo de la capacidad de supervivencia en combate de aeronaves basado en la ponderación combinada y el modelo inteligente multiatributo de decisión sobre blancos grises
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Libro:
Ergonomía en los sistemas de trabajo