¿Qué hacer si una hipótesis de la regresión lineal no es cierta o no se puede verificar?

Question

Entiendo que esta es una pregunta amplia, pero he estado buscando por todas partes y no puedo encontrar una respuesta directa.

La regresión lineal se basa en algunos supuestos, y siempre hay que comprobar si se cumplen, pero, ¿y si no lo son? ¿Significa eso automáticamente que cualquier resultado no es válido? Además, algunos supuestos no son necesariamente preguntas de sí o no. Por ejemplo, la multicolinealidad: parece que está bien si hay un poco, pero ¿cuánto es demasiado? Especialmente en un entorno empresarial, ¿qué harías si un supuesto no es cierto o no se puede verificar?

Answer 1

Cada supuesto tiene diferentes formas de ser abordado.

La multicolinealidad en los datos reales es esencialmente una cuestión numérica: los números se vuelven demasiado pequeños y no se puede calcular la inversa de la matriz, hasta que se aumenta la precisión lo suficiente o se comprueba que dos variables que se utilizan son esencialmente iguales y se descarta una o se hace la media entre ellas.

La heteroscedasticidad se aborda con un estimador adecuado o un modelo separado para la varianza.

La correlación en los residuos suele ser lo más problemático, ya que apunta a una especificación errónea de su modelo, lo que significa que tendrá que salir a buscar más datos o encontrar un instrumento para ejecutar la IV.