eca2 cuestionario

¿Qué indica el supuesto de linealidad en los parámetros?. Que todas las variables deben estar en forma porcentual. Que las variables explicativas deben ser iguales entre sí. Que los coeficientes aparecen de forma aditiva y no elevados a potencias. Que el modelo no puede tener término de error.

¿En qué consiste la predicción con regresión múltiple?. Usar solamente el término de error para explicar el resultado. Cambiar los coeficientes hasta que todos sean iguales. Eliminar los datos observados de la base. Usar la ecuación estimada para calcular un valor aproximado de la variable dependiente.

¿Qué mide un coeficiente de regresión parcial?. La suma de todos los residuos. El valor observado de la variable dependiente. El cambio promedio en Y cuando una X aumenta en una unidad, manteniendo constantes las demás variables. El cambio total de todas las variables al mismo tiempo.

En la regresión múltiple, ¿cuál es la función de las variables independientes o explicativas?. Ayudar a explicar el comportamiento de la variable dependiente. Reemplazar al término de error en la ecuación. Garantizar que todos los resultados sean positivos. Eliminar la necesidad de estimar coeficientes.

En un modelo de rendimiento de combustible, si el coeficiente de 'peso' (wt) es negativo, ¿qué interpretación general tendría?. El modelo no tiene variable dependiente. A mayor peso del vehículo, menor rendimiento de combustible, manteniendo constantes las demás variables. El peso no puede interpretarse en regresión múltiple. A mayor peso, siempre aumenta el rendimiento de combustible.

¿Por qué es importante que los datos provengan de una muestra aleatoria?. Porque ayuda a que los resultados sean representativos de la población. Porque garantiza que todos los coeficientes sean significativos. Porque impide calcular residuos. Porque elimina automáticamente la heterocedasticidad.

¿Qué significa interpretar un coeficiente de regresión múltiple bajo el principio de 'ceteris paribus'?. Analizar todas las variables cambiando al mismo tiempo. Suponer que el error siempre es igual a cero. Eliminar la variable dependiente del modelo. Analizar el efecto de una variable manteniendo constantes las demás.

Si el p-valor de un coeficiente es menor que 0,05, ¿qué decisión se toma normalmente?. Se concluye que el coeficiente debe ser cero. Se acepta que la variable no tiene ningún efecto. Se elimina automáticamente todo el modelo. Se rechaza la hipótesis nula y la variable se considera significativa.

¿Cuál es el objetivo principal del método de mínimos cuadrados ordinarios?. Maximizar la suma de los residuos al cuadrado. Minimizar la suma de los residuos al cuadrado. Hacer que todos los coeficientes sean positivos. Eliminar todas las variables independientes.

¿Por qué es importante el supuesto de normalidad del error en muestras pequeñas?. Porque evita usar datos de muestra. Porque facilita pruebas t, pruebas F e intervalos de confianza confiables. Porque convierte todas las variables en binarias. Porque elimina la necesidad de interpretar coeficientes.

¿Qué pregunta responde un coeficiente parcial?. Qué pasa con Y si cambia una variable explicativa y las demás no cambian. Qué pasa si la variable dependiente se vuelve constante. Qué pasa si se eliminan todos los datos de la muestra. Qué pasa si todos los residuos son positivos.

¿Cuál es una dificultad real al predecir salarios usando solo educación y experiencia?. El modelo siempre predice exactamente el salario real. Pueden existir otros factores importantes no incluidos en el modelo. La educación y la experiencia nunca influyen en el salario. La regresión múltiple no permite hacer predicciones.

¿Qué indica un coeficiente positivo en una regresión múltiple?. Que al aumentar la variable explicativa, la variable dependiente tiende a aumentar. Que la variable explicativa no tiene relación con Y. Que el modelo no puede usarse para predicción. Que existe siempre un problema de heterocedasticidad.

¿Qué permite evaluar la prueba F de Fisher en regresión múltiple?. Si una sola variable independiente tiene distribución normal. Si el modelo en conjunto es estadísticamente significativo. Si las respuestas de una encuesta son todas idénticas. Si los errores son siempre iguales a cero.

En un modelo de regresión múltiple con tres variables, ¿qué representa la variable dependiente?. La variable que se mantiene siempre constante en el modelo. La variable que no tiene relación con el fenómeno estudiado. La variable que mide solamente el error del modelo. La variable que se desea explicar mediante otras variables.

Si una ecuación estimada de salario tiene intercepto igual a 450, ¿cómo se interpreta?. Es el residuo promedio del modelo. Es el valor máximo que puede tomar el salario. Es el aumento del salario por cada año de educación. Es el salario estimado cuando las variables explicativas valen cero.

Si el coeficiente de educación es positivo en un modelo donde el salario es la variable dependiente, ¿cómo se interpreta correctamente?. Que el salario no puede explicarse por ninguna variable. Que la educación siempre reduce el salario. Que el intercepto del modelo debe ser negativo. Que mas educacion se asocia con mayor salario promedio, manteniendo constantes las demas variables.

¿Para qué se utiliza la prueba t en regresión múltiple?. Para evaluar si un coeficiente individual es estadísticamente significativo. Para evaluar si todos los residuos son iguales. Para eliminar la variable dependiente. Para calcular el tamaño exacto de la muestra.

¿Cuál de las siguientes preguntas corresponde mejor a la econometría predictiva?. ¿Qué es una variable dependiente?. ¿Cuál fue el efecto de un subsidio sobre el consumo?. ¿Cuál sería la inflación del próximo trimestre?. ¿Qué significa la covarianza?.

¿Cuál de las siguientes opciones define mejor a la econometría?. Un método exclusivamente cualitativo basado en opiniones. Una técnica que reemplaza completamente a la teoría económica. Una rama de la economía que usa matemáticas, estadística y datos reales para analizar fenómenos económicos. Una herramienta que solo se usa para hacer gráficos.

¿Qué mide la correlación entre dos variables?. El valor exacto de una variable dependiente. La suma de errores cuadrados del modelo. El grado de asociación entre dos variables. La causa definitiva de una variable sobre otra.

¿Cuál de las siguientes características corresponde a la econometría?. Únicamente normativa y jurídica. Solo descriptiva y sin uso de datos. Empírica, cuantitativa, aplicada, explicativa y predictiva. Exclusivamente teórica y sin aplicación práctica.

En la metodología econométrica, la expresión Consumo = f(Ingreso) representa: La formulación del modelo económico, donde se expresa una relación teórica general entre variables. La prueba de hipótesis del modelo. La estimación final de los parámetros del modelo. La presentación de conclusiones del estudio.

En una prueba de hipótesis, si el valor p es menor que 0.05, ¿Qué decisión se toma generalmente?. Se concluye que el modelo no puede estimarse. Se rechaza la hipótesis nula. Se elimina la variable dependiente del modelo. Se acepta automáticamente la hipótesis nula.

En una regresión lineal simple, ¿Qué representa la pendiente o coeficiente de la variable independiente?. La cantidad de observaciones utilizadas en la muestra. El cambio estimado en Y cuando X aumenta en una unidad. El error total del modelo. El valor estimado de Y cuando X es igual a cero.

¿Qué supuesto adicional incorpora el modelo clásico de regresión lineal normal?. Que los errores sigan una distribución normal. Que siempre exista autocorrelación entre los errores. Que la muestra tenga solo cinco observaciones. Que todas las variables sean cualitativas.

¿Qué busca minimizar el método de Mínimos Cuadrados Ordinarios (MCO)?. La suma de los cuadrados de los residuos. El valor del intercepto. El número de variables independientes. El tamaño de la muestra.

En un modelo de regresión lineal simple que busca explicar el ingreso a partir de los años de educación, ¿Cuál es la variable dependiente?. El ingreso, porque es la variable que se desea explicar. El término de error, porque recoge todos los factores del modelo. El intercepto, porque representa el valor inicial de la ecuación. Los años de educación, porque explican el ingreso.

En un modelo de regresión, ¿qué representa una variable dicotómica?. Una variable que solo toma dos valores, como 0 y 1. Una variable que siempre representa porcentajes. Una variable que no puede incluirse en modelos econométricos. Una variable que puede tomar muchos valores continuos.

¿Cuál es el objetivo principal de un modelo ANOVA en regresión?. Eliminar la necesidad de una variable dependiente. Comparar medias entre diferentes grupos o categorías. Convertir datos cualitativos en datos perdidos. Calcular exclusivamente la inflación.

¿Qué se debe interpretar con cuidado al usar variables dicotómicas en una regresión?. La cantidad de decimales del software. El color del gráfico. El grupo de referencia y el signo del coeficiente. Solo el nombre del archivo de datos.

¿Qué indica un VIF alto?. Que la variable dependiente no existe. Que el modelo tiene autocorrelación negativa obligatoria. Que una variable explicativa está fuertemente relacionada con otras regresoras. Que no hay relación entre las variables independientes.

En presencia de heteroscedasticidad, ¿qué supuesto del modelo clásico se incumple?. Ausencia total de regresoras. Existencia de variable dependiente. Varianza constante del término de error. Presencia obligatoria de variables cualitativas.

Si el modelo estimado es Salario = 400 + 45 Educación + 41 Experiencia, ¿cuál es el salario estimado para 12 años de educación y 5 años de experiencia?. 1300 dólares. 850 dólares. 1145 dólares. 1000 dólares.

En un modelo con dos variables explicativas, ¿qué plantea la hipótesis nula de la prueba F?. Que ninguna variable independiente explica significativamente a la variable dependiente. Que al menos una variable independiente siempre es significativa. Que el intercepto debe ser negativo. Que todos los residuos son mayores que cero.