Regresión y Correlación

Son los tres problemas fundamentales en el análisis de los modelos de regresión múltiple:

• Linealidad, Autocorrelación, Normalidad

• Multicolinealidad, Heterocedasticidad, Autocorrelación

• Autocorrelación, Normalidad, linealidad

• Multicolinealidad, Heterocedasticidad,Normalidad

En el gráfico de probabilidad nos permite graficar en el eje de las abscisa a la variable x y en el de ordenada la frecuencia acumulada?

• Verdadero

• Falso

Estos puntos subsiguientes pueden causar la________________________:

ØFormas funcionales incorrectas. Se recomienda que antes de corregir el problema, asegurar de utilizar la forma funcional correcta

Øvalores extremos

ØAsimetría en la distribución de alguna de variable independiente

ØProblemas en el proceso de recolección de datos.

• Heterocedasticidad

• Autocorrelación

• Multicolinealidad

• Homocedasticidad

Originalmente quería decir que existe una relación lineal perfecta o exacta entre algunas de las variables explicatorias

• Multicolinealidad

• Heterocedasticidad

• Autocorrelación

• Normalidad

Si existe perfecta multicolinealidad entre las Xs, sus coeficientes de regresión (β) son____________ y sus errores estándar _________.

• indeterminados e infinitos

• indeterminados y tienden a ser grandes

• indeterminados y finitos

Existe linealidad cuando Rcuadrado es muy alto, pero ninguno de los coeficientes de regresión es estadísticamente significativo, con base en la tradicional prueba t.

• Verdadero

• Falso

Si la predicción es el propósito único del análisis de regresión el problema de la multicolinealidad es muy serio en el análisis?

• Verdadero

• Falso

Un supuesto del modelo lineal general es la existencia de la autocorrelación o correlación serial entre las perturbaciones.

• Verdadero

• Falso

La autocorrelación es habitual en los datos de series temporales

• Verdadero

• Falso

La autocorrelación a nivel de Tes puede ser detectada principalmente por:

• Estadístico d de Durbin-Watson

• Estadístico Breusch y Godfrey y Kolmogorof Smirnov

• Shapiro–Wilk

• Jaque-Bera