Inflacao

Multicolinearidade

Conceitos e conseqüências

Multicolinearidade refere-se à correlação entre duas variáveis explicativas ou entre uma delas e as demais, incluídas na equação de um modelo. Isso implica que a multicolinearidade ocorre quando duas variáveis X1 e X2 medem aproximadamente a mesma coisa, ou seja, a correlação entre elas é quase perfeita.

Quando tal correlação é elevada, a eficiência dos parâmetros estimados é significativamente afetada, tornando-os instáveis. A conseqüência disso é o aumento da variância da estimativa e do erro-padrão. Assim, o valor da estatística t reduz-se e, as vezes, a hipótese de efeito nulo pode ser aceita, quando deveria ser rejeitada. Ademais, os parâmetros estimados são imprecisos, porque apresentam elevada sensibilidade a pequenas alterações dos dados básicos. Desta forma, torna-se difícil isolar a influência relativa dos Xi, ficando a interpretação dos resultados prejudicada.

Casos de multicolinearidade

Existem três casos: 1. Ausência de multicolinearidade – ocorre tal caso quando a correlação entre as variáveis explicativas é nula, isto é, as variáveis são ortogonais entre si. Essa é a situação ideal. 2. Multicolinearidade perfeita – nesse caso, a corrrelação entre as variáveis explicativas é igual a 1 ou a -1. O cálculo das estimativas dos parâmetros é, matematicamente, impossível nessas circunstâncias, porque o determinante da matriz X’X é nulo. 3. Multicolinearidade imperfeita – trata-se da situação em que a correlação entre as variáveis explicativas situa-se entre 0 e 1 ou entre -1 e 0. È o caso mais comum.

Diagnóstico da multicolinearidade

O problema da multicolinearidade pode ser diagnosticado de várias formas: a) Ocorram não-significâncias de variáveis explicativas com sinais incorretos para algumas delas, ainda que R² seja elevado; b) Aumente o grau de correlação simples entre as variáveis explicativas; c) Os parâmetros estimados se tornem instáveis, quando o tamanho da