Sobre el malentendido de la multicolinealidad en la detección de efectos moderadores: la multicolinealidad no siempre es perjudicial

Debido a su amplia aplicabilidad y facilidad computacional, la regresión múltiple moderada (RMM) se ha empleado ampliamente para analizar efectos de interacción entre 2 variables predictoras continuas. En consecuencia, se ha prestado considerable atención al supuesto problema de multicolinealidad entre las variables predictoras y su término de producto cruzado. Este artículo intenta clarificar el malentendido de la multicolinealidad en los estudios de RMM. Se exploran los efectos contraintuitivos pero beneficiosos de la multicolinealidad sobre la capacidad de detectar relaciones moderadoras. Se presentan tratamientos comprensivos e investigaciones numéricas para el modelo de interacción más simple y un entorno más complejo con tres predictores. Los resultados proporcionan una visión crítica que ayuda a evitar interpretaciones erróneas y ofrece una mejor comprensión sobre el impacto de la intercorrelación entre las variables predictoras en los análisis de RMM.