Regresión con variables ortogonales y regresión alzada en el modelo STIRPAT

El modelo STIRPAT representa una de las metodologías más aplicadas en los trabajos sobre medio ambiente. La propia especificación de este modelo econométrico conlleva problemas de multicolinealidad. Aunque una primera opción podría ser eliminar la(s) variable(s) que genera(n) la colinealidad, esto no nos permite estimar los efectos de las consideradas principales fuerzas que provocan impactos medioambientales. Por este motivo, es necesario desarrollar o aplicar nuevos métodos que puedan mitigar este problema de colinealidad en el modelo SITRPAT. Dentro de este marco, se presentan dos regresiones alternativas a la estimación tradicional por Mínimos Cuadrados Ordinarios (MCO): la regresión alzada y la regresión con variables ortogonales. Ambas metodologías consiguen mitigar la colinealidad entre variables existente en el modelo original y, además, nos muestran dos perspectivas diferentes de las variables: mientras el método alzado se aplica desde un punto de vista geométrico, la aplicación de la regresión con variables ortogonales muestra nuevas interpretaciones de las variables.