¿Qué herramienta se asocia comúnmente con la investigación cuantitativa?
Entrevistas en profundidad
Estadística
Análisis de contenido
observación participante
¿Por qué a veces un solo método de investigación no es suficiente?
Porque un solo método no simula con exactitud el acto de emitir el voto.
Porque un solo método no aporta profundidad a los datos.
Porque un solo método no permite controlar los fenómenos.
Porque a veces se requiere la combinación de diferentes enfoques para obtener resultados más completos.
¿En qué consiste la ruta mixta de investigación?
En utilizar únicamente datos visuales para entender problemas en las ciencias.
En utilizar únicamente datos numéricos para entender problemas en las ciencias.
En utilizar únicamente datos verbales para entender problemas en las ciencias.
En utilizar evidencia de datos numéricos, verbales, textuales, visuales, simbólicos y de otras clases para entender problemas en las ciencias, mediante la integración y discusión conjunta de datos cuantitativos y cualitativos para lograr un mayor entendimiento del fenómeno bajo estudio.
¿Cuál es la definición fundamental de investigación?
Conjunto de procesos sistemáticos, críticos y empíricos que se aplican al estudio de un fenómeno o problema con el resultado (o el objetivo) de ampliar su conocimiento.
Método único y exclusivo de los científicos para la generación de conocimiento.
Conjunto de procesos arbitrarios y subjetivos que se aplican a los fenómenos sociales.
Proceso intuitivo y subjetivo que se utiliza para resolver problemas cotidianos.
¿Qué estrategias utilizan los tres enfoques para generar conocimiento?
Observación, establecimiento de principios, deducción y demostración lógica.
Observación, establecimiento de suposiciones, verificación y análisis estadístico.
Observación, establecimiento de suposiciones, demostración y propuesta de nuevas observaciones.
Observación, establecimiento de hipótesis, experimentación y verificación empírica.
¿Cuál es el proceso que predomina en la ruta cualitativa?
Lógica o razonamiento hipotético-deductivo.
Lógica o razonamiento abductivo.
Lógica o razonamiento deductivo.
Lógica o razonamiento inductivo.
¿Por qué se recomienda hoy en día utilizar la ruta más adecuada según varios factores?
Porque la dicotomía entre las rutas cuantitativa y cualitativa ha quedado en el pasado.
Porque la investigación cualitativa aporta profundidad a los datos.
Porque la investigación cuantitativa ofrece la posibilidad de generalizar los resultados.
Porque las tres rutas esenciales son igualmente útiles.
Cuál es una de las características esenciales del enfoque cuantitativo?
Búsqueda de la mayor objetividad posible en todo el proceso o ruta.
Interpretación de datos históricos.
Enfoque en la observación y recopilación de datos cualitativos.
Análisis de datos subjetivos.
¿En qué consiste la ruta cuantitativa?
Una técnica de análisis de datos que se basa en la subjetividad del investigador.
Un método para la construcción de teorías y la interpretación de datos cualitativos.
Un enfoque para investigar los fenómenos mediante la observación y la recopilación de datos cualitativos.
Un proceso organizado de manera secuencial para comprobar suposiciones, en el que cada fase precede a la siguiente.
¿Qué es lo característico del proceso de investigación cualitativa?
El análisis y recolección de datos se realizan por separado.
Sigue un proceso preestablecido.
Se enfoca en lo general para luego explorar lo particular.
Es dinámico y circular.
¿Cuál es el objetivo de la prueba de raíz unitaria en el análisis de series de tiempo?
Evaluar la presencia de una tendencia en la serie de tiempo.
Estimar los coeficientes de una ecuación de modelo autorregresivo.
Determinar la estacionariedad de la serie de tiempo.
Analizar la heteroscedasticidad en los datos de la serie de tiempo.
¿Cuál es el objetivo de evaluar la autocorrelación en una serie de tiempo?
Identificar la presencia de una tendencia en la serie de tiempo.
Determinar si la serie de tiempo es estacionaria.
Evaluar las fluctuaciones y patrones a corto plazo en la serie de tiempo.
Analizar si los valores de la serie están correlacionados con sus valores pasados.
¿Cuál es una forma común de medir la multicolinealidad en un modelo de serie de tiempo?
Evaluar la correlación entre las variables dependientes.
Establecer hipótesis nulas y alternativas específicas.
Utilizar el método de regresión lineal.
Calcular el factor de inflación de la varianza (VIF) para cada variable independiente.
¿Cuál es uno de los motivos por los cuales se utiliza la transformación logarítmica en series de tiempo?
Estabilización de la varianza
Interpretación de cambios absolutos
Creación de relaciones no lineales
Aumento de la heterocedasticidad
¿Qué implica que una serie de tiempo sea estacionaria?
Muestra una tendencia clara en su media y varianza.
Experimenta cambios aleatorios en su autocorrelación.
Los momentos estadísticos de la serie varían constantemente.
La ausencia de cambios sistemáticos en su media, varianza y autocorrelación a lo largo del tiempo.
¿Qué significa la presencia de heterocedasticidad en una serie de tiempo?
Presencia de una tendencia en la serie de tiempo.
Relación entre los residuos estimados y las variables independientes.
Variabilidad no constante de la serie de tiempo.
Varianza constante de los errores en el modelo ajustado.
¿Cuál es el objetivo principal del método OLS-CUSUM en el análisis de cambio estructural en modelos de regresión lineal múltiple con series de tiempo?
Estimar la varianza de los residuos estandarizados.
Detectar cambios en los parámetros de regresión a lo largo del tiempo.
Evaluar la estabilidad de los residuos del modelo.
Trazar la estadística de CUSUM a lo largo del tiempo.
¿Cuál es el objetivo principal de la prueba de RESET en el contexto de regresión lineal múltiple con series de tiempo?
Determinar el nivel de significancia predefinido para la prueba.
Medir la variabilidad de la variable dependiente.
Evaluar la presencia de variables explicativas adicionales en el modelo.
Detectar una relación no lineal o una especificación incorrecta en el modelo de regresión.
¿Qué se busca lograr con la conversión de diferencias en un análisis de series de tiempo?
Identificar relaciones y comportamientos a largo plazo en la serie de tiempo.
Hacer que la serie de tiempo sea estacionaria.
Construir modelos basados en patrones de crecimiento a largo plazo.
Eliminar las fluctuaciones a corto plazo en la serie de tiempo.
¿Cuál es una de las funcionalidades de la función `ts()` en R para el análisis de series de tiempo?
Realizar pruebas de raíz unitaria en los datos.
Aplicar técnicas de pronóstico ARIMA.
Convertir un vector numérico en un objeto de clase "ts".
Generar gráficos y visualizaciones de series de tiempo.
