Ejecutar OLS con multicolinealidad

Question

Me disculpo por mi ingenua pregunta.

En este famoso experimento recogieron las respuestas en 4 grupos diferentes:

• Control (no se proporcionan recompensas)
• Premio de regalo (10 caramelos o 50 caramelos)
• Regalo monetizado (10 caramelos por valor de 10 USD o 50 caramelos por valor de 50 USD)
• Recompensa en metálico (10 USD o 50 USD)

Los resultados mostraron que las recompensas de regalo sin valor monetario sitúan a las personas en un marco social y no actúan en función de la recompensa. Por otro lado, poner un valor en dólares a un regalo hace que la gente reaccione como si fuera dinero en efectivo (sensible al precio).

Estoy llevando a cabo un experimento muy similar, pero me pregunto cómo puedo ejecutar OLS correctamente sin problemas de colinealidad. El problema es que el nivel de pago "no" es exactamente el mismo que el del grupo de control. ¿Podría indicarme cómo especificar correctamente las variables exógenas? Por ahora se me ocurren las siguientes 4:

• Recompensa (0 para los controles, 1 para los tratamientos)
• Regalo (0 para los controles y el efectivo, 1 para los 2 tratamientos de caramelo)
• Monetario (0 para los controles, caramelos, 1 para los caramelos, dinero en efectivo)
• Nivel (0 para controles, 1 para bajo, 2 para alto)

Muchas gracias

Answer 1

Aunque parece que hay un diseño factorial completo aquí, en realidad sólo tienes siete condiciones experimentales distintas. En lugar de intentar parametrizar esto con varias variables, sólo hay que utilizar una variable que represente la condición experimental. A continuación, pruebe sus hipótesis utilizando contrastes. Por ejemplo, si quiere comparar grupos bajos con condiciones medias, puede comparar la media de los grupos bajos con la media de los grupos medios (es decir, tomando la media de los coeficientes de regresión correspondientes y probando si la diferencia de la media difiere de cero). También puede especificar ciertas pruebas de interacción utilizando este método. Dependiendo del software que utilice, puede ser más fácil especificar esto como un ANOVA unidireccional que como una regresión.