Multicolinealidad: Mucho trabajo para nada? Consecuencias teóricas de la multicolinealidad (I)

Recuérdese que si se satisfacen los supuestos del modelo clásico, los estimadores MCO de los coeficientes de regresión son MELI (o MEI, si se añade el supuesto de normalidad). Ahora puede demostrarse que aún si la multicolinealidad es muy alta, como en el caso de casi multicolinealidad, los estimadores MCO conservarán aún la propiedad de MELI. Entonces. Cuáles son los incovenientes de la multicolinealidad? Christopher Achen comenta al respecto (téncase en cuenta también la cita de Leamer al principio de este capítulo):

Los estudiantes principalmente en el estudio de la metodología ocasionalmente se preocupan por el hecho de que sus variables independientes estén correlacionadas - el llamado problema de multicolinealidad. Sin embargo, la multicolinealidad no viola los supuestos básicos de la regresión. Se presentarán estimaciones consistentes e insesgadas y sus errores estándar se estimarán en la forma correcta. El único efecto de la multicolineadalidad tiene que ver con la dificultad de obtener los coeficientes estimados con errores estandar pequeños. Sin embargo, el mismo problema se tiene al contar con un número reducido de observaciones o al tener variables independientes con varianzas pequeñas. (De hecho, a nivel teórico, los conceptos de multicolinealidad, número reducido de observaciones y varianzas pequeñas en las variables independientes hacen todos parte esencial del mismo problema). Por lo tanto, la pregunta "qué se debe hacer entonces acerca de la multicolinealidad?" es similar al interrogante "qué se debe hacer si no se tienen muchas observaciones?" A este respecto no se puede dar una respuesta estadistica.