MODALIDAD ABIERTA Y A

DISTANCIA
AREA: ADMINISTRATIVA

NOMBRE DE LA TITULACIÓN

PRACTICUM 3.2

TEMA DE LA INVESTIGACIÓN:

ACTIVIDAD SUPLEMENTARIA

NOMBRE: Marcelo Alejandro Pijal Olmedo

FECHA 19-11-2023

OCT 2023 – FEB 2024

1ra Parte
 Multicolinealidad y Heterocedasticidad
Multicolinealidad es el término usualmente utilizado para referirse a la existencia de relaciones lineales o
cuasi lineales entre las variables predictoras en un modelo lineal, lo que indica que parte sustancial de la
información en una o más de estas variables es redundante.
De acuerdo a lo investigado se señala que una de las principales dificultades en el uso de estimaciones
mínimo cuadráticas es la presencia de este fenómeno que, aun cuando no afecta la capacidad predictiva
del modelo, representa un problema grave si su propósito fundamental es evaluar la contribución
individual de las variables explicativas. Esto es debido a que en presencia de multicolinealidad los
coeficientes bj tienden a ser inestables, es decir, sus errores estándar presentan magnitudes
indebidamente grandes. Esta falta de precisión afecta los contrastes parciales diseñados para evaluar la
contribución individual de cada variable explicativa, corriéndose un alto riesgo de no encontrar
significación en variables que realmente la tengan.
Subrayando además que bajo condiciones de colinealidad resulta imposible distinguirlos efectos
individuales de cada variable predictora, debido a que la fuerza de la correlación entre ellas produce
relaciones lineales de similar magnitud entre los coeficientes. La multicolinealidad entre las variables
explicativas se da cuando existe algún tipo de dependencia lineal entre ellas, o lo que es lo mismo, si
existe una fuerte correlación entre las mismas. La correlación no solamente se refiere a las distintas
variables dos a dos, sino a cualquier de ellas con cualquier grupo de las restantes. Por esta razón no es
suficiente (aunque sí necesaria) que en la matriz de correlaciones bivariados haya correlaciones altas. El
principal inconveniente de la multicolinealidad consiste en que se incrementan la varianza de los
coeficientes de regresión estimados hasta el punto que resulta prácticamente imposible establecer su
significación estadística, ya que como se sabe, el valor de t para un determinado coeficiente de regresión
es el valor de dicho coeficiente dividido por su desviación tipo. Si este es grande, el valor de t será bajo y
no llegará a la significación.
Existen una serie de métodos para corregir el problema de multicolinealidad. Es importante señalar que
si nuestro modelo es predictivo (no estructural) la multicolinealidad no se consideraría un problema ya
que la relación entre variables puede mantenerse en el futuro. Las técnicas más utilizadas si queremos
solucionar esto son:
 Imponer restricciones al modelo:

Restringir los parámetros de variables donde existe colinealidad o bien restringir el modelo original
 Componentes principales:

Obtener un conjunto de variables a partir de las originales y sin caer en pérdida de información. Estas
nuevas deben cumplir la condición de ser ortogonales entre sí.
 Eliminar variables

El hecho de suprimir variables puede acabar con el problema, pero cuidado, tenemos que tener en
cuenta si el hecho de omitirlas puede ser un problema más grave por su relevancia.
 Transformar variables:

Obtener primeras diferencias o retornos es un método generalmente aplicado y no cae en algunas de las
limitaciones de los métodos anteriores. Igualmente debemos tener en cuenta que una variable puede
estar relacionada con otra de manera original y no en su transformación.
En conclusión, la multicolinealidad es un aspecto que debemos tener en cuenta a la hora de realizar
nuestros modelos (especialmente si estos son estructurales). Ahora bien, cuando exista la presencia de
esta, buscaremos eliminarla a través de transformaciones de precios que nos permitan trabajar en las
mejores condiciones. Este procedimiento se puede hacer de manera muy simple a través de un software
sin hacer cálculos complejos, como por ejemplo puede ser R Studio. Para el caso de la
Heteroscedasticidad, esta surge normalmente en datos de sección cruzada donde la escala de la variable
dependiente y el poder explicativo de la tendencia del modelo varía lo largo de las observaciones. En
muchos casos los datos microeconómicos, como los estudios de gasto de las familias, presentan este
comportamiento. Intuitivamente la presencia de diferentes varianzas para diferentes observaciones se
puede ejemplificar en las siguientes causas.
 Razones de escala
 Distribución espacial
 Aprendizaje de los errores
 Menores restricciones de elección.
 Mejoras en la Información
 Observaciones Influyentes
 Problemas de especificación

Con presencia de heteroscedasticidad, los estimadores mínimos cuadráticos seguirán siendo insesgados
dado que E(U)=0 y las variables explicativas son no estocásticas o independientes de los errores, por lo
tanto, E(XU)=0, pero dado que la varianza al no ser constante se invalidan las pruebas de significancia
estadística en especial las pruebas de la distribución t-Suden y F deFisher-Snedecor. En consecuencia, los
principales problemas serían:
 Estimadores ineficientes.
 Perdida de validez de las pruebas de contraste estadísticos
 2da parte
¿Cómo citar normas APA?
Para poder definir como debemos realizar una cita primero debemos partir del concepto de que esta es
idea que se extrae de un documento de manera textual que sirve de fundamento al trabajo de
investigación, esta es complementada con los elementos que identifican al documento de la cual se
extrajo.
En este caso podemos decir que significa dar el crédito a una idea, pensamiento o frase. Tomando en
cuenta lo anteriormente mencionado si se agrega una frase de alguien reconocido en nuestro campo de
investigación se debe citar el autor original. Si no se realiza las citas correctamente podríamos ser
acusados de plagio, lo que puede tener consecuencias, tanto académicas, así como jurídicas.
Se puede citar de varias formas, entre ellas tenemos:
 Citas de corporaciones, instituciones o fundaciones como autores.
 Cita textual corta
o Cita textual corta con énfasis en el contenido
o Cita textual corta con énfasis en el autor
o Cita textual corta con énfasis en el año
 Cita textual larga
 Cita no textual o indirecta
 Cita no textual específica
 Cita de cita

En conclusión, existen varias formas de citar dependiendo de lo que se requiera el contexto del mismo,
es por eso que recomiendo particularmente que en caso de realizar una cita, consultar directamente las
normas APA para estar seguro de cuál es la metodología adecuada.