Modelos que se contradicen: la trampa de la multicolinealidad

Imagina esta escena. Tu equipo de analítica presenta el modelo de demanda que tardaron semanas en construir. El coeficiente de precio dice que por cada punto porcentual que sube el precio, las ventas caen 2.3%. Perfecto. Tres semanas después, con datos actualizados, el mismo modelo arroja −0.4%. La metodología no cambió. Las variables tampoco. ¿Qué pasó?

Hay una probabilidad alta de que el modelo tenga multicolinealidad. Y entender por qué ocurre —y por qué la geometría tiene mucho que ver— puede salvarle de tomar decisiones estratégicas sobre bases matemáticamente inestables.

Qué es la multicolinealidad, en términos que importan

La multicolinealidad ocurre cuando dos o más variables de entrada en un modelo de regresión se mueven juntas de manera consistente. No tienen que ser idénticas: basta con que estén altamente correlacionadas.

Ejemplos concretos que aparecen todo el tiempo en empresas medianas de la región:

• Marketing digital: El gasto en Google Ads y en Meta Ads suele subir y bajar al mismo tiempo, especialmente durante campañas estacionales. El modelo no puede decir cuál de los dos "causó" las ventas.
• Modelos de precios: Incluir "precio de lista" y "precio final con descuento" en la misma regresión es casi redundante. Una explica casi completamente a la otra.
• Indicadores financieros: Ingresos totales y utilidad bruta están correlacionados por construcción. Meterlos juntos en un modelo de riesgo o de proyección genera el mismo problema.

El resultado práctico: los coeficientes del modelo —los famosos betas que le dicen cuánto aporta cada variable— se vuelven inestables, se inflan, o cambian de signo cuando agrega o quita una variable aparentemente irrelevante.

La geometría que nadie explica

Aquí entra la parte que los cursos de estadística suelen omitir cuando hablan con audiencias no técnicas.

Piense en cada variable de su modelo como un vector en un espacio multidimensional. Lo que hace la regresión es descomponer su variable objetivo —ventas, churn, conversión— como combinación lineal de esos vectores.

Cuando dos variables están altamente correlacionadas, sus vectores apuntan casi en la misma dirección. Imagine intentar describir un destino en el mapa usando dos referencias que están a 2° de separación entre sí. Cualquier pequeño error en su posición produce indicaciones radicalmente distintas sobre qué tan lejos está cada referencia.

En términos del modelo: hay infinitas combinaciones de coeficientes que producen casi el mismo error de predicción. La solución no es única. El espacio de parámetros tiene una cresta plana —un ridge— donde múltiples combinaciones de betas son matemáticamente equivalentes. Cuando llegan datos nuevos, el modelo salta de un punto de esa cresta a otro, y los coeficientes se disparan. Eso explica por qué el coeficiente de precio pasó de −2.3 a −0.4 sin que cambiara nada relevante en el negocio.

Por qué esto es un problema de decisiones, no solo de estadística

Un modelo con multicolinealidad no necesariamente predice mal. Si solo quiere saber si las ventas del próximo mes van a ser altas o bajas, puede seguir siendo útil.

El problema ocurre cuando usa los coeficientes para tomar decisiones de asignación: "¿Debo invertir más en Google o en Meta?", "¿Cuánto impacta el precio versus el volumen de descuentos?", "¿Qué palanca operativa tiene mayor ROI?".

En ese caso, está interpretando números inestables como si fueran verdades estratégicas. Es como navegar con un GPS que tiene dos satélites conflictivos: puede que llegue a la ciudad, pero los giros intermedios no tienen sentido.

En empresas de retail en Colombia o México que modelan elasticidad de precios, en fintechs que construyen scorecards de crédito, o en equipos comerciales que hacen atribución de marketing, este error aparece más de lo que se reconoce. No porque los analistas sean descuidados, sino porque los datos de negocio naturalmente producen variables correlacionadas.

Cómo detectarla antes de que haga daño

La señal más clara es práctica: si sus coeficientes cambian mucho cuando agrega o quita variables, algo está mal.

La herramienta estándar es el Factor de Inflación de Varianza (VIF). Mide cuánto se infla la varianza de un coeficiente por culpa de la correlación con otras variables. Una regla de referencia ampliamente usada: VIF mayor a 10 indica un problema serio; entre 5 y 10, hay que investigar.

Otras señales de alerta:

• Coeficientes con signos que contradicen la lógica del negocio (un precio más alto "causando" más ventas en un contexto donde eso no tiene sentido)
• Errores estándar muy grandes en variables que deberían ser importantes
• El modelo explica bien el pasado pero los coeficientes individuales no son interpretables

Qué hacer al respecto

Eliminar variables redundantes. Si "precio de lista" y "precio final" dicen casi lo mismo, elija una. Idealmente la que tenga más sentido teórico para su pregunta de negocio.

Combinar variables correlacionadas. En lugar de dos indicadores de gasto en marketing, cree uno solo (gasto total) si el objetivo es entender el efecto conjunto.

Usar regresión ridge. Es una técnica que agrega una penalización al tamaño de los coeficientes, forzando una solución estable incluso con multicolinealidad. El nombre viene precisamente del problema geométrico: la penalización convierte la cresta plana en un punto mínimo definido.

Aplicar PCA antes de modelar. El análisis de componentes principales transforma variables correlacionadas en dimensiones independientes. Útil cuando hay muchas variables y no es viable eliminarlas una por una.

Usar el juicio de negocio como filtro previo. Antes de meter variables al modelo, pregúntese: ¿estas dos variables miden cosas que el negocio considera conceptualmente distintas? Si la respuesta es no, probablemente no deberían estar juntas.

El punto de fondo

La multicolinealidad no es un error de programación ni una falla del modelo: es una propiedad de los datos. Los datos de negocio reales están llenos de variables correlacionadas porque el mundo está correlacionado. El precio influye en el volumen, el volumen en los costos, los costos en los márgenes.

El error está en interpretar coeficientes inestables como si fueran señales limpias. Un modelo puede tener buen poder predictivo global y coeficientes individuales completamente inutilizables para decisiones.

Si su equipo de datos usa regresión para orientar decisiones comerciales —precios, canales, recursos, riesgos— vale la pena pedir explícitamente que los modelos incluyan diagnósticos de multicolinealidad. No como formalidad estadística, sino como condición mínima para confiar en lo que el modelo dice que importa.

En Xenturia trabajamos con equipos comerciales y de operaciones que quieren pasar de modelos decorativos a modelos que orienten decisiones reales. El primer paso, casi siempre, es limpiar lo que entra antes de confiar en lo que sale.