Proceso de datos-Regresión

¿Cuál de los siguientes NO es un supuesto de la regresión lineal?

• Normalidad de los residuos

• Linealidad

• Correlación perfecta entre predictores

• Homocedasticidad

Answer explanation

La correlación perfecta entre predictores no es un supuesto de la regresión lineal. Los supuestos incluyen normalidad de los residuos, linealidad y homocedasticidad, pero no requieren que los predictores estén perfectamente correlacionados.

¿Qué significa que el peso de regresión de una variable predictora tenga asociado un valor p menor a 0.05?

• Que la variable no aporta al modelo

• Que el peso de la variable en la ecuación es estadísticamente significativa

• Que el modelo está mal ajustado

• Que hay colinealidad

Answer explanation

Un valor p menor a 0.05 indica que hay evidencia suficiente para rechazar la hipótesis nula, lo que significa que la variable es estadísticamente significativa y aporta al modelo.

¿Qué representa el coeficiente de determinación R² en un modelo de regresión?

• El error absoluto medio del modelo

• La proporción de varianza de la variable dependiente explicada por el modelo

• El porcentaje de variables independientes incluidas

• La pendiente de la regresión

Answer explanation

El R² indica qué proporción de la variabilidad en la variable dependiente puede explicarse por las variables independientes incluidas en el modelo.

¿Qué indica un VIF (Factor de Inflación de la Varianza) mayor a 5?

• Homocedasticidad

• Multicolinealidad alta

• Normalidad

• Alta significación

Answer explanation

Un VIF mayor a 10 indica multicolinealidad alta, lo que significa que hay una fuerte correlación entre las variables independientes en un modelo de regresión, afectando la estabilidad de las estimaciones.

¿Cuál es el propósito de añadir una interacción en un modelo de regresión?

• Predecir otra variable

• Comprobar los residuos

• Ver si el efecto de una variable depende de otra

• Corregir la homocedasticidad

Answer explanation

Añadir una interacción en un modelo de regresión permite evaluar si el efecto de una variable depende de otra, lo que ayuda a entender mejor las relaciones complejas entre las variables en el análisis.

¿Qué significa si el AIC de un modelo es más bajo?

• El modelo es menos preciso

• El modelo es mejor ajustado

• Hay multicolinealidad

• El modelo tiene menos variables

Answer explanation

Un AIC más bajo indica que el modelo tiene un mejor ajuste a los datos, ya que penaliza la complejidad del modelo. Esto sugiere que el modelo es más eficiente en la explicación de la variabilidad de los datos.

¿Qué modelo tiene el mayor R² ajustado?

• M1

• M2

• M3

• M5

Answer explanation

El modelo M5 tiene el mayor R² ajustado, lo que indica que explica mejor la variabilidad de los datos en comparación con los otros modelos M1, M2 y M3. Por lo tanto, M5 es la opción correcta.

¿Qué interacción es estadísticamente significativa?

• Confianza × Preocupación

• Confianza × Red de Apoyo

• Red de Apoyo × Interés Personal

• Edad × Preocupación

Answer explanation

La interacción "Edad × Preocupación" es estadísticamente significativa, lo que indica que la relación entre la edad y la preocupación tiene un impacto relevante, a diferencia de las otras combinaciones que no muestran tal significancia.

¿Qué variable deja de ser significativa en alguno de los modelos?

• Confianza
• Edad
• Género
• Red de Apoyo

¿Qué supuestos se cumplen en todos los modelos?

• Normalidad

• Homocedasticidad

• Independencia

• Multicolinealidad

Answer explanation

El modelo M5 muestra mayor colinealidad entre variables, lo que indica que sus variables están más interrelacionadas en comparación con los otros modelos. Esto puede afectar la interpretación de los resultados.