### item a #### set.seed(6) x1<-rnorm(40,0,1) x2<-rnorm(40,0,1) x3<-2*x1+rnorm(40,0,0.001) x4<-(-x2)+rnorm(40,0,0.001) y<-5-6*x1+3*x2+x3+x4+rnorm(40,0,0.01) n=40 p=5 ajustecol<-lm(y~x1+x2+x3+x4) summary(ajustecol) plot(ajustecol$fitted,rstandard(ajustecol)) abline(h=0) ### item b #### #forma artesanal x<-model.matrix(ajustecol)[,2:5] VIF<-diag(solve(cor(x))) #con una función del R. Esta función viene el la libreria car. library(car) vifcol<-vif(ajustecol) vifcol ## los vif son mayores a 10, esto indica problemas de colinealidad ### item c ### xs<-cbind(x1/(sum(x1*x1)^{1/2}) ,x2/sum(x2*x2)^{1/2},x3/sum(x3*x3)^{1/2},x4/sum(x4*x4)^{1/2}) xstxs<-t(xs)%*%xs autovalores=eigen(xstxs) xstxs indices=sqrt(max(autovalores$values)/autovalores$values) indices ### hay 2 índices mayores a 100, esto indica problemas de colinealidad ############################################################################## ############################################################################## data<-cbind(x1,x2,x3,x4) xdata<-data.frame(data) cor(xdata) library(leaps) colcp=leaps(x,y,method="Cp") colcp obs<-which(1