Treatment of collinearity in multiple regression analysis;Tratamiento de la colinealidad en regresión múltiple

Psicothema

Volumn 10, Issue 2, 1998, Pages 491-507

  González, Emelina López ^a  

^a UNIVERSITY OF MÁLAGA   (Spain)

Author keywords

[No Author keywords available]

Indexed keywords

EID: 18844464135     PISSN: 02149915     EISSN: None     Source Type: Journal    
DOI: None     Document Type: Article

References (39)

1. Batista, J. M. y Martínez, R. (1989). Análisis multivariante. Análisis de Componentes principales. Barcelona: Hispano Europea.
2. Belsley, D. A. (1991). Conditioning diagnostics. New York: Wiley.
3. Belsley, D. A.; Kuh, E. y Welsch, R. E. (1980). Regression diagnostics.New York: Wiley.
4. Cattin, P. H. (1981). The Predictive Power of Ridge Regression. Some Quasi-Simulation Results. Journal of Applied Psychology, 66,3, 282-290.
5. Cliff, N. (1988). The eigenvalues-greater-than-one rule and the reability of components. Psychological Bulletin, 103, 2, 276-279.
6. Coniffe, D. y Stone, J. (1973). A critical view of ridge regression. The Statistician, 22, 181-187.
7. Coniffe, D. y Stone, J. (1975). A reply to Smith and Goldstein. The Statistician, 24, 67-68.
8. Chatterjje, S. y Price, B. (1991). Regression analysis by example. 2nd Ed. New York: Wiley.
9. Darlington, R. B. (1978). Reduced-Variance Regression. Psychological Bulletin, 85, 6, 1238-1255.
10. Draper y Smith, H. (1981). Applied regression analysis. New York: Ed. John Wiley.
11. Draper, N. R. y Van Nostrand, R. C. (1979). Ridge Regression and James-Stein Estimation: Review and Comments. Technomelrics, 21, 451-466.
12. Green, B. F. (Jr). (1977). Parameter sensitivity in multivariate methods. Journal of Multivariate Behavioral Research, 12, 263-287.
13. Gunst, R.T. y Mason, R. L. (1980). Regression analysis and its application. New York: Marcel Dekker.
14. Harris, R. J. (1985). A primer of Multivariate Statistic. London: Academic Press.
15. Hocking, R. R. (1976). The analysis and selection of variables in linear regression. Biometrics, 32, 1-49.
16. Hocking, R. R., Speed, P.M. y Lynn, M. J. (1976). A class of biased estimators in linear regression. Technometrics, 18, 425-438.
17. Hoerl, A. E. (1959). Optimum solution of many variables equations. Chemical Engineering Progress, 55, 69-78.
18. Hoerl, A. E. (1964). Ridge Analysis. Chemical Engineering Progress, Symposium Series. 60, 67-77.
19. Hoerl, A. E. y Kennard, R. W. (1970). Ridge Regression: Biased Estimation for nonorthogonal Problems. Technometrics, 12, l, 55-67.
20. Hoerl, R. W. (1985). Ridge Analysis 25 Years Later. American Statistician, 39. 3, 186-192.
21. López, E. (1992). La Regresión Multiple aplicada a la Investigatión Educativa. Algunas consideraciones en torno a su correcta aplicación. Málaga: Universidad de Málaga.
22. López, E. (1995a). Regresión con Componentes Principales aplicada a predictores colineales. En AIDIPE (Comp.) Estudios de investigatión educativa en interventión psicopedagógica (pp. 3-6). Valencia: Asociación Interuniversitaria de Investigación Pedagógica Experimetal.
23. López, E. (1995b). Regresión Ridge: un procedimiento para corregir la colinealidad entre predictores. En AIDIPE (Comp.) Estudios de investigatión educativa en interventión psicopedagógica (pp. 44-50). Valencia: Asociación Interuniversitaria de Investigación Pedagógica Experimetal.
24. López, E. (En preparación). Colinealidad en Regresión Múltiple: diagnóstico.
25. Lovie, P. y Lovie, A. D. (Eds.) (1991). New Developments in Statistics for Psychology and the Social Sciences. Vol. 2. London: The British Psychological Society.
26. Marquardt, D. W (1970). Generalized inverses, ridge regression and biased linear estimation. Technometrics, 12, 591-612.
27. Marquardt, D. W. y Snee, R. D. (1975). Ridge Regression in Practice. American Statistician, 29, 1, 3-20.
28. Mauro, R. (1990). Understanding L.O.V.E. (Left Out Variables Error): A Method for Omited Variables. Psychological Bulletin.108, 2, 314-329.
29. Mayer, L. S. y Wilke, T. A. (1973). On biased estimation in linear models. Technometrics, 15, 497-508.
30. McCallum, B. T. (1970). Artificial Orthogonalization in Regression Analysis. Review of Economics and Statistics, 52, 110-113.
31. Mosteller, F. y Tukey, J. W. (1977). Data Analysis and Regression. (A second course in statistics). London: Addison-Welsley.
32. Peña, D. (1987). Estadística. Modelos y Méiodos.Vol. 2: Modelos lineales y séries temporales. Madrid: Alianza.
33. Riba, M. D. (1989). Una panorámica de las técnicas estadísticas multivariantes. Doc. de laboratori de Psicología Matemática. Barcelona: Univ. Autónoma.
34. Seber, G. A. F. (1977). Linear Regression Analysis. New York: Wiley.
35. Smith, G. y Campbell, F. (1980). A critique of some regression methods. Journal of the American Statistical Association, 75, 74-81.
36. Stein, C. (1960). Multiple regression. En Olkin, I. et al. (Eds.) Contribution to probability and statistics. Stanford, Calif.: Stanford University Press.
37. Stone, M. y Brooks, R. J. (1990). Continium Regression: Cross-validated sequentially constructed prediction embracing ordinary least, partial least squares y principal components regression. Journal Royal Statistical Society, Ser. B. 52, 2, 237-269.
38. Webster, J. T.; Gunst, R. F. y Mason, R. L. (1974). Latent root regression analysis. Technometrics, 16, 513-522.
39. Weisberg, S. (1985). Applied linear regression. New York: Wiley.