Cuestionario de Regresión

¿Qué representan los valores esperados condicionales en el análisis de regresión?

• Son los valores medios de la variable dependiente para diferentes niveles de la variable independiente.

• Son los valores absolutos de la variable independiente.

• Son los valores esperados de la variable dependiente sin tener en cuenta los valores de la variable independiente.

• Son los valores extremos de la variable independiente que influyen en la variable dependiente.

¿Cuál es uno de los propósitos principales de formular hipótesis nula y alternativa antes de realizar una investigación empírica?

• Justificar los resultados observados.

• Evitar sesgos como el razonamiento circular.

• Modificar los datos para que se ajusten a las hipótesis.

• Asegurar que las hipótesis sean verdaderas.

¿Qué hipótesis de trabajo se considera al suponer que la función de regresión poblacional (FRP) es lineal?

• Que la variable dependiente es independiente de la variable independiente.

• Que la relación entre la media condicional de Y y X es no lineal.

• Que la función de regresión poblacional es una función constante.

• Que la media condicional de Y es una función lineal de X.

¿Qué conclusión se puede extraer si al graficar los valores de una variable de interés en una gráfica de probabilidad normal (GPN), se obtiene una línea más o menos recta?

• La variable de interés no está normalmente distribuida.

• La variable de interés sigue una distribución normal.

• La variable de interés está sesgada.

• La variable de interés tiene una alta curtosis.

¿Cuál es la finalidad principal de la estimación por mínimos cuadrados ordinarios (MCO)?

• Minimizar la suma de los cuadrados de los errores o residuos.

• Maximizar la varianza de los residuos.

• Obtener coeficientes con distribución normal.

• Eliminar los errores del modelo completamente.

¿Cuál es el supuesto de homocedasticidad en el modelo de regresión lineal clásica?

• La varianza de los errores es constante para todos los valores de la variable independiente.

• Los errores están correlacionados entre sí.

• Los errores tienen distribución normal.

• La media de los errores es diferente de cero.

¿Cuál es una de las razones para incluir un término de perturbación estocástica ui en un modelo de regresión?

• Porque siempre conocemos la forma funcional exacta entre la variable regresada y las regresoras.

• Porque aunque se logre introducir en el modelo todas las variables pertinentes, es posible que se presente alguna aleatoriedad “intrínseca” en Y que no se explique.

• Porque el principio de parsimonia sugiere incluir todas las variables posibles para mayor precisión.

• Porque nunca existen errores de medición en las variables Y y X.

¿Qué significa el intervalo de confianza (5.4.4) para σ² con un nivel de confianza del 95%?

• Hay un 95% de probabilidad de que el intervalo dado contenga al verdadero valor de σ².

• Hay un 5% de probabilidad de que el intervalo dado contenga al verdadero valor de σ².

• El intervalo de confianza para σ² es siempre correcto.

• La probabilidad de que el intervalo dado incluya a σ² es del 95%.

¿Qué significa que los errores sean no correlacionados en un modelo de regresión?

• Que el valor del error en una observación no influye en el valor del error en otra observación.

• Que todos los errores tienen el mismo valor.

• Que los errores son independientes de las variables explicativas.

• Que los errores son iguales a cero.

¿Cuál de las siguientes afirmaciones sobre el coeficiente de determinación r² es correcta?

• Un r² de cero significa que hay una fuerte relación entre la variable dependiente y la variable independiente.

• Un r² de uno significa que no hay relación entre la variable dependiente y la variable independiente.

• Un r² de uno significa un ajuste perfecto del modelo, es decir, Ŷi = Yi.

• Un r² negativo indica que el modelo de regresión es adecuado.