Este documento discute criterios para seleccionar un modelo de diagnóstico, incluyendo que sea adecuado para el problema, consistente con la teoría subyacente, y que las variables sean confiables. También describe tipos de errores de especificación como omitir variables importantes o incluir variables innecesarias. Explica que pruebas estadísticas como prueba t y prueba F pueden usarse para determinar si una variable o conjunto de variables deberían incluirse en un modelo.
2. CRITRIOS DE SELECCIÓN
Para elegir un modelo se debe tener en cuenta los
siguientes criterios:
Ser adecuado para el modelo
Consistente con la a mica
Las variables genas no deben estar relacionadas
con sus errores
Los valores de los metros deben ser confiables
Coherencia en los datos
Que pueda explicar sus resultados
3. Tipos de errores de especificación
No solo basta con armar un buen modelo, sino que
se puede cometer errores de n como:
Omitir una variable importante
Incluir variable(s) innecesarias
Forma funcional incorrecta
Errores de n
n incorrecta del rmino de error
stico
4. Pruebas de errores de especificación
Un examen inicial para determinar si la inclusión de
una o varias variables a un modelo es necesaria, se
lo hara por medio de la verificación de estadísticos
de prueba tal como:
Prueba t: me permite analizar la pertinencia de una
variable de manera individual.
Prueba F: me permite determinar la pertinencia de
incluir un conjunto de variables para cierto
modelo.