Evaluación de Conceptos Clave en Modelos de Regresión Lineal
Enviado por CACA y clasificado en Matemáticas
Escrito el en español con un tamaño de 7,26 KB
Verdadero o Falso: Implicaciones de la Omisión e Inclusión de Variables
- La omisión de variables relevantes implica siempre sesgo en los parámetros estimados. FALSO
- Si al introducir una nueva variable en un modelo los parámetros anteriores cambian significativamente, es que estaban sesgados. VERDADERO
- La omisión de una variable, aun siendo relevante, mejora siempre la varianza de la estimación de los parámetros, dado que evita la multicolinealidad. FALSO
- Incluir una nueva variable en un modelo mejorará siempre el error promedio cometido. VERDADERO
- Incluir una nueva variable en un modelo generará siempre una menor varianza en los parámetros estimados. FALSO
- La varianza del parámetro puede crecer al introducir una nueva variable en un modelo,