/LING

Update: February 24, 2023 The new version of Termout.org is now online, so this web site is now obsolete and will soon be dismantled.

Lista de candidatos sometidos a examen:
1) multicolinealidad (*)
(*) Términos presentes en el nuestro glosario de lingüística

---

1) Candidate: multicolinealidad

Is in goldstandard

---

1
paper CO_CuadernosdeLingüísticaHispánicatxt157 - : Finalmente, también se revisó la ausencia de multicolinealidad. En análisis de regresión múltiple, multicolinealidad hace referencia a modelos en los que más de dos variables independientes están correlacionadas . Puesto que la presencia de multicolinealidad constituiría un problema que afectaría negativamente el rendimiento de un modelo de regresión, es importante asegurar la ausencia de multicolinealidad en nuestro modelo. Esto se puede evaluar calculando lo que se conoce como Factor de Inflación de Varianza (VIF, por sus siglas en inglés) que, como su propio nombre indica, mide cuánto se infla la varianza de un coeficiente de regresión debido a la multicolinealidad en el modelo. El menor valor posible es 1 (ausencia de multicolinealidad). Como regla general, un valor de VIF que excede 5 o 10 indica que hay un problema de multicolinealidad (^[82]James et al., 2013). En nuestro estudio se calculó el VIF de cada variable independiente usando el paquete car (^[83]Fox & Weisberg, 2019) en R (R

Evaluando al candidato multicolinealidad:

1) ausencia: 3
2) regresión: 3 (*)

multicolinealidad
Lengua:
Frec: 6
Docs: 3
Nombre propio: / 6 = 0%
Coocurrencias con glosario: 1
Puntaje: 2.000 = (1 + (1+2.8073549220576) / (1+2.8073549220576)));
Candidato aceptado

Referencias bibliográficas encontradas sobre cada término

(Que existan referencias dedicadas a un término es también indicio de terminologicidad.)

multicolinealidad

: Core Team, 2020). Los resultados mostraron que el VIF de las variables dependientes osciló entre 1.01 para la variable de género y 2.86 para la variable de categoría gramatical, lo cual indica ausencia de multicolinealidad en el modelo de regresión.