Prueba de regresión ordinal

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Qué propiedad de las calificaciones conserva la regresión ordinal?
   • Su orden sin necesidad de espacios iguales
   • Su distancia numérica exacta
   • Su independencia de los predictores.
   • Sus frecuencias de categoría iguales.
2. En una interpretación de umbral latente, ¿cómo se producen las categorías de calificación observadas?
   • Se ajusta a modelos de categorías no relacionadas y descarta el orden de las categorías.
   • Los umbrales dividen una tendencia latente en rangos ordenados
   • Trata los resultados codificados como medidas igualmente espaciadas.
   • Asigna a cada categoría una pendiente de regresión numérica independiente.
3. ¿Qué suponen comúnmente las probabilidades proporcionales sobre los efectos predictivos?
   • Todos los umbrales son idénticos.
   • Cada categoría tiene la misma probabilidad.
   • La misma pendiente se aplica en todas las divisiones de categorías acumulativas
   • Los predictores no tienen ningún efecto en las clasificaciones
4. ¿Por qué la regresión ordinaria de los códigos 1, 2, 3 y 4 puede ser inapropiada para los niveles de satisfacción?
   • No puede incluir variables predictivas.
   • Trata los códigos de categoría como etiquetas nominales e ignora su orden.
   • Estima probabilidades acumuladas pero nunca utiliza los códigos de categoría como distancias.
   • Asume espacios numéricos entre códigos y puede predecir valores fuera del conjunto de categorías.
5. Un predictor eleva la satisfacción latente. ¿Qué puede pasar con una probabilidad de categoría media?
   • La probabilidad de cada categoría debe aumentar en la misma cantidad.
   • Una probabilidad de categoría media puede aumentar o disminuir a medida que la masa cruza sus umbrales.
   • Sólo las categorías más baja y más alta pueden cambiar la probabilidad.
   • La probabilidad de la categoría se vuelve igual a la puntuación latente.
6. ¿Por qué las etiquetas de categorías deberían codificarse en el orden previsto?
   • Para forzar que todos los coeficientes predictores sean positivos
   • Para hacer que todos los umbrales estén igualmente espaciados
   • Para garantizar que el software utilice el orden de categorías semánticas previsto
   • Para garantizar que se cumpla el supuesto de probabilidades proporcionales
7. ¿Qué restricción del modelo debería evaluarse en una especificación logit ordenada común?
   • Si los puntos de corte están igualmente espaciados
   • Si las categorías ocurren con la misma frecuencia
   • Si cada umbral tiene una pendiente diferente por definición
   • Si es plausible un efecto predictor común entre divisiones acumulativas
8. Una predicción errónea a un nivel de distancia tiene un coste diferente que una a tres niveles de distancia. ¿Qué opción de evaluación es apropiada?
   • Utilice una métrica basada en pedidos o costos explícitos que distingan los errores cercanos de los distantes.
   • Utilice precisión ordinaria porque registra cuántos niveles separa cada error.
   • Utilice el error al cuadrado en los códigos de categoría sin comprobar si el espaciado igual es significativo
   • Ignorar la validación porque el orden de las categorías ya define la calidad del modelo