Conceptos Clave en Modelos de Regresión: Sesgos, Varianza y Errores de Predicción
Enviado por CACA y clasificado en Matemáticas
Escrito el en
español con un tamaño de 4,02 KB
Verdades y Falsedades Fundamentales en la Especificación y Evaluación de Modelos de Regresión
A continuación, se presenta una revisión de afirmaciones clave relacionadas con la inclusión de variables, el sesgo, la varianza y la capacidad predictiva de los modelos econométricos.
I. Impacto de la Omisión y Adición de Variables
- La omisión de variables relevantes implica siempre sesgo en los parámetros estimados. Falso
- Si al introducir una nueva variable en el modelo los parámetros anteriores cambian significativamente, es que estaban sesgados. Verdadero
- La omisión de una variable, aun siendo relevante, no mejora siempre la varianza en las estimaciones de los parámetros, dado que evita los riesgos de multicolinealidad. Falso
- Introducir
vasco con un tamaño de 6,82 KB