Cuestionario Avanzado sobre Regresión de Rango Reducido y Métodos PLS

¿Cuál es la principal ventaja del método PLSSVD sobre OLSSVD en presencia de multicolinealidad severa?

• Mayor estabilidad en las estimaciones
• Menor tiempo de cálculo
• Mayor interpretabilidad de los coeficientes
• Mejor ajuste en muestras grandes

En el contexto de la regresión de rango reducido, ¿qué representa la matriz Θ en la ecuación Y = XΘ + E?

• La matriz de variables independientes
• La matriz de coeficientes de regresión
• La matriz de errores
• La matriz de variables dependientes

¿Qué técnica se utiliza en el método PLSSVD para abordar el problema de la multicolinealidad?

• Mínimos cuadrados ordinarios
• Descomposición en valores singulares
• Regresión de componentes principales
• Mínimos cuadrados parciales

En el procedimiento OLSSVD, ¿qué representa la matriz G en la ecuación Y = GB' + E?

• La matriz de variables independientes
• La matriz de coeficientes de regresión
• La matriz de errores
• La matriz de scores de los factores

¿Cuál es el propósito principal de utilizar la descomposición en valores singulares (SVD) en estos métodos de regresión?

• Reducir la dimensionalidad de los datos
• Eliminar la multicolinealidad
• Minimizar el error cuadrático medio
• Factorizar la matriz de coeficientes de regresión

En el contexto de la regresión PLS, ¿qué representa la matriz W?

• Los pesos de las variables independientes
• Los pesos de las variables dependientes
• Los coeficientes de regresión
• Los errores del modelo

¿Qué índice se utiliza para medir la multicolinealidad en los conjuntos de datos presentados en el artículo?

• Índice de condición
• Índice de Kaiser-Meyer-Olkin
• Factor de inflación de la varianza
• Coeficiente de determinación

¿Cuál es la principal diferencia entre los métodos OLSSVD y PLSSVD en términos de su enfoque para manejar la multicolinealidad?

• OLSSVD utiliza SVD mientras que PLSSVD no
• PLSSVD incorpora PLS para estabilizar las estimaciones
• OLSSVD es más eficiente computacionalmente
• PLSSVD solo funciona con datos estandarizados

¿Qué representa la matriz Γ en el procedimiento OLSSVD?

• Una matriz de pesos para las variables dependientes
• Una matriz de correlación entre variables independientes
• Una matriz de covarianza de errores
• Una matriz identidad en el caso más simple

En el método PLSSVD, ¿cómo se calcula la matriz final de coeficientes de regresión Θ̂_PLS-SVD?

• Como el producto de W̃_H y C_H'
• Como el producto de A_PLS y B_SVD'
• Como la inversa de X'X multiplicada por X'Y
• Como la suma de los componentes PLS