Responsabilidad Social

Mere som dette

NETIQUETA Y SUS 10 REGLAS BASICAS

af Anali Lopez

Teorías Psicométricas

af Eviolet Monsky

Ventajas y desventajas del lenguaje de programación compilado e interpretado

af VARELA ARANGO VARELA ARANGO

Modelos de Evaluaciòn

af Laura Martinez

VIOLACION DE LOS SUPUESTOS MCO

HETEROSCEDASTACIDILIDAD No destruye las propiedades de insesgamiento y consistencia de los estimadores MCO

MCG es MCO sobre las variables transformadas que satisfacen los supuestos estandar de minimos cuadrados

PRUEBA DE PARK Si beta resulta estadisticamente significativo, esto sugerira que hay heteroscedasticilidad

Si utilizamos MCO en presencia de heteroscedasticidilidad los intervalos de confianza seran innecesariamente grandes y es probable que las pruebas T y F nos den resultados imprecisos.

VALORES PROPIOS E INDICE DE CONDICION Si K esta entre 100 y 1000 existe multicolinealidad que va desde moderada hasta fuerte

EXAMEN DE LAS CORRELACIONES PARCIALES Se sugiere que cuando R2 es muy elevada pero las R son comparativamente bajas esto puede sugerir que las X están altamente intercorralacionadas y que por lo menos una de estas variables es superflua

FACTORES DE TOLERANCIA Y DE INFLACION DE LA VARIANZA, Entre mayor es el FIV, mayor problema o colinealidad tiene la variable X

Un R2 Elevado pero pocas razones t significativas, si es alto arriba de 0.8 rechazara la hipotesis de los coeficientes parciales

MULTICOLINEALIDAD Se refiere a la existencia de mas de una relación lineal exacta

Siempre ayudar sin querer intervenir o modificar sus condiciones

you'll come up with original ideas

No guiarnos por el contexto social, económico, politico, cultural o religioso

Brindar siempre lo que necesiten los demás no lo que creamos que ellos requieren

COLINEALIDAD Se refiere a la existencia de una sola relación líneal

Si existe colinealidad perfecta entre las X sus coeficientes de regresión son indeterminados y sus errores estandar no estan definidos

REGRESIONES AUXILIARES Puesto que la multicolinealidad surge debido a que uno o mas regresores son combinaciones lineales exactas de los otros regresores, una forma de encontrar cual variable X esta relacionada con otras variables X es efectuar la regresion de cada X sobre las variables X restantes y calcular el R2 correspondiente