Saltar al contenido

Regresión Ridge

Penalización L2: encoge los coeficientes para estabilizarlos con colinealidad.

Pregunta

¿Cómo obtener coeficientes estables cuando las variables están muy correlacionadas?

Datos sintéticos · cálculo en el navegador

Ejemplo · y depende sólo de las tres primeras variables (efectos 3, −2 y 1,5); el resto son ruido. Las variables comparten una correlación común.

Controles

Datos
entero
19.999
cantidad
30500
cantidad
4Sólo 3 tienen efecto real.20
0–0,95
00,95

Calculando en tu navegador…

Ficha del modelo

Las siete preguntas que todo modelo de la biblioteca debe responder antes de publicarse.

Qué problema resuelve
¿Cómo obtener coeficientes estables cuando las variables están muy correlacionadas?
Qué datos necesita
  • Variable respuesta y muchas explicativas, posiblemente correlacionadas.
Qué supone
  • Relación lineal.
  • Todas las variables aportan algo, en magnitudes pequeñas.
  • Variables estandarizadas antes de penalizar.
Qué produce
  • Trayectoria de los coeficientes según λ.
  • λ elegido por validación cruzada.
  • Coeficientes contraídos.
Qué incertidumbre contiene
Los coeficientes penalizados están sesgados a propósito; no tienen errores estándar clásicos ni p-valores válidos.
Cómo se valida
Validación cruzada en 5 bloques sobre una malla de 30 valores de λ.
Cuándo puede fallar
  • No selecciona variables: todas quedan distintas de cero.
  • Interpretar los coeficientes penalizados como efectos causales.
Origen del método
Hoerl, A. E. y Kennard, R. W. (1970). Technometrics 12(1).