Detección gráfica de la multicolinealidad mediante el h-plot de la inversa de la matriz de correlaciones

• GUILLERMO RAMÍREZ ^[1] ; MAURA VASQUEZ ^[1] ; ALBERTO CAMARDIEL ^[1] ; BETTY PEREZ ^[2] ; PURIFICACION GALINDO ^[3]
  1. [1] Universidad Central de Venezuela
  2. [2] Instituto de Investigaciones Económicas y Sociales
  3. [3] Universidad de Salamanca Departamento de Estadística y Matemática Aplicadas

  Mostrar afiliaciones +
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 28, Nº. 2, 2005, págs. 207-219
• Idioma: español
• Títulos paralelos:
  • Multicolinearity Detection by Means of the h-Plot of the Correlation Matrix Inverse
• Enlaces
  • Texto completo
• Resumen
  • español

    La multicolinealidad origina imprecisión en los estimadores de los coeficientes de un modelo lineal. En este trabajo proponemos un gráfico basado en la representación h-plot de la inversa de la matriz de correlaciones, que permite visualizar con cierto grado de aproximación las relaciones lineales entre las variables predictoras. En este dispositivo se obtienen representaciones aproximadas de los coeficientes de inflación de varianza de cada variable y de las correlaciones parciales entre ellas. Con el objeto de ilustrar el método, éste se aplicó en una investigación sobre la caracterización morfológica de jóvenes nadadores venezolanos.

  • English

    Multicollinearity generates imprecision in the estimates of the coefficients in linear models. We propose to use the h-plot of the inverse of the correlation matrix to obtain a representation of the linear relations between the predictor variables. In the resulting plot the variance inflation factor of each variable and the partial correlation between them area roughly displayed. In order to illustrate the method it was applied in an anthropometric study of young Venezuelan swimmers.

• Referencias bibliográficas
  • Belsley, D. (1991). Conditioning Diagnostics, Collinearity and Weak Data in Re gression. Wiley. New York.
  • Cornsten, L,Gabriel, K. (1976). " Graphical exploration in comparing variance matrices". Biometrics. 32. 851-863
  • Farrar, D,Glauber, R. (1967). " Multicollinearity in regression analysis: The problem revisited". Review of Economic Statistics. 49....
  • Gabriel, K. (1971). " The biplot graphic display of matrices with application to principal component analysis. Biometrika. 58. 453-467
  • Glantz, S,Slinker, B. (2001). Primer of Applied Regression and Analysis of Variance. McGraw-Hill. New York.
  • Gleason, T,Staelin, R. (1975). " A proposal for handling missing data". Psycho metrika. 40. 229-252
  • Jackson, J. (1991). A User" s Guide to Principal Components. Wiley. New York.
  • Kendall, M. (1957). A Course in Multivariate Analysis. Griffin. London.
  • Mandell, J. (1982). " Use of the singular value decomposition in regression analysis". The American Statistician. 36. 15-24
  • Mason, R,Gunst, R,Webster, J. (1975). " Regression analysis and the problem of multicollinearity". Communications in Statistics. 4....
  • Pérez, B,Vásquez, M,Tomei, C,Landaeta, M,Ramírez, G. (2004). Anthropometrics characteristics of young venezuelan male swimmers according with...
  • Raveh, A. (1985). " On the use of the inverse of the correlation matrix in multivariate data analysis". The American Statistician....
  • Silvey, S. (1969). " Multicollinearity and imprecise estimation". Journal of the Royal Statistical Society Series B. 751-754
  • Whitakker, J. (1990). Graphical Models in Applied Multivariate Analysis. Wiley. New York.
  • Yu, C. (1998). Multi-collinearity, variance inflation and orthogonalization in regression.