P. Supongamos que la especificación correcta de un modelo econométrico viene dada por:
Y=β0+β1x1+β2x2+u (Modelo 1)
Por una decisión basa en la teoría económica subyacente , el analista se ve obligado
a reespecificar el modelo (1), de manera que estima por MCO el modelo: y=β1x1+β2x2+u (Modelo 2)
Si en base a la teoría económica, el analista sabe que:
β1>0 ,β2<0 y corr(x1,x2) =- 0.7
¿Cómo es el estimador MCO obtenido a partir del modelo 2 suponiendo que el término de error es homocedástico? El estimador MCO del modelo 2 presenta un sesgo negativo y es eficiente El estimador MCO del modelo 2 es insesgado y eficiente El estimador MCO del modelo 2 presenta un sesgo positivo y es inconsistente .
La introducción de la nueva variable explicativa con seguridad produciría sesgos en el estimador MCO, pero no se puede saber a priori cuál será su efecto sobre el resto de coeficientes del modelo La introducción de la nueva variable explicativa afectará al resto de coeficientes del modelo y aumentará el R2 solo en el caso de que sea estadísticamente significativa La introducción de la nueva variable explicativa afectará al resto de coeficientes del modelo y aumentará el R2 con independencia de que sea estadísticamente significativa o no.
El coeficiente de fincdol será igual=92.76 ,el coeficiente de cigs será igual= - 00004634 , el término constante será igual a=0.117 y los estadísticos de contraste se verán afectados por el cambio de unidades de la variable explicativa El cambio de unidades de la variable explicativa faminc solo afectará al peso de un recién nacido, medio en onzas, (bwght) que pasará a expresar en kgs. El coeficiente de fincdol será igual=0.00009276 , el resto de coeficientes del modelo y los estadísticos de contraste no se verán alterados por el cambio de unidades de la variable explicativa.
¿Qué problema econométrico provoca la trampa de las variables ficticias? Autocorrelación exacta en el modelo de regresión lineal múltiple Heterocedasticidad exacta en el modelo de regresión lineal múltiple Multicolinealidad exacta en el modelo de regresión lineal múltiple.
P. A partir del informe sobre desarrollo humano mundial de 2010, se obtiene datos de ingreso per cápita de 169 países en miles de dólares en términos de paridad de poder adquisitivo (PPA), el número de años de escolaridad promedio de la población y la proporción de usuarios de internet en cada país. Dados estos datos se plantea analizar si los ingresos per cápita y los años de estudio influyen en la proporción de la población usuaria de internet.
¿Qué modelo habría que especificar si adicionalmente se quisiera analizar si el efecto sobre los usuarios de internet de una variación porcentual en los ingresos depende de los años de educación? Lninternet=β0+β1lningresos+β2estudios+u internet=β0+β1lningresos+β2estudios+β3lningresos⋅estudios+u lninternet =β0+β1lningresos+β2estudios+β3ingresos⋅estudios+u.
P. Supongamos que se desea estimar por MCO el siguiente modelo especificado:
y =β0+β1x1+u
¿Qué tipo de muestra sería apropiado seleccionar para estimar el modelo anterior?. Se debería elegir una muestra en la que X1 hubiese variado mucho porque para poder estimar los coeficientes MCO de un modelo de regresión lineal, ninguna de las variables explicativas debe ser constante para poder cuantificar la intensidad de la relación entre la variable dependiente y las variables explicativas. Se debería elegir una muestra aleatoria estratificada Se debería elegir una muestra en la que X1 hubiese permanecido relativamente constante para no generar heterocedasticidad en el modelo.
P. Supongamos que se estima por MCO un MRLM en nivel (Modelo 1) y que el contraste de White sobre los residuos ofrece el siguiente resultado ( NO TIENE HETEROCEDASTICIDAD ) Por interés analítico, el analista estima por MCO la especificación en elasticidad
constante del mismo modelo (modelo 2) y el contraste de White aplicado sobre los residuos del nuevo modelo ofrece el siguiente resultado:
El modelo 2 es homocedástico El analista ha generado una pérdida de eficiencia del estimador MCO en modelo 2 por un error de especificación funcional. El modelo 1 tiene heterocedasticidad multiplicativa.
Con la información disponible se puede afirmar que el estimador MCO es lineal, sesgado e ineficiente en el modelo 1 Con la información disponible se puede afirmar que el estimador MCO es lineal, sesgado e ineficiente en el modelo 2 Con la información disponible se puede afirmar que el estimador MCO es lineal, sesgado e ineficiente en los dos modelos.
P. Se especifica un modelo econométrico para estudiar la relación inversa entre el tiempo dedicado a dormir (sleep) y el dedicado a trabajar (totwork) en minutos /semana , junto a los años de educación (educ), la edad de los individuos (age) y el género (male=1, masculino).
sleep= β0+β1totwork+β2educ+β3age+β4male+u
QUE ES MALE VARIABLE FICTICIA VARIABLE INSTRUMENTAL VARIABLE REFERENCIA.
WHITE: SUPERIOR A 0,1 El estimador MCO es lineal, sesgado y óptimo El estimador MCO es lineal, insesgado y eficiente (ELIO) El estimador MCO es lineal, sesgado e ineficiente.
P. Se especifica un modelo econométrico para estudiar la relación inversa entre el tiempo dedicado a dormir (sleep) y el dedicado a trabajar (totwork) en minutos /semana , junto a los años de educación (educ), la edad de los individuos (age) y el género (male=1,
masculino==> female=0).
¿Cuál seria la forma adecuada de estimar el modelo por MCO si se desean estimar los efectos específicos de cada género sobre el sueño? sleep =β0+β1totwork+β2educ+β3age+β4male+β5female+u sleep =β0+β1totwork+β2educ+β3age+β4female+u sleep=β1totwork+β2educ+β3age+β4male+β5female+u.
P. Se sabe que la especificación correcta de un modelo econométrico viene dada por: y =β0+β1x1+β2x2+u (Modelo 1)
Por falta de información muestral, el analista se ve obligado a reespecificar el modelo (1), de manera que estima por MCO el modelo:
y =β0+β1x1+u (Modelo 2)
y se obtiene:
E BETA 1 > B1 SIENDO B1<0
Si p-valor asociado a contraste de White es= 0.789534, podemos decir que:
El estimador MCO del modelo 2 tiene un sesgo a la baja y es ineficiente El estimador MCO del modelo 2 tiene un sesgo al alza y es eficiente El estimador MCO del modelo 2 presenta un sesgo positivo y es ineficiente.
. ¿Cuál de las siguientes situaciones puede provocar sesgos en el estimador MCO del MBRL?
La trampa de las variables ficticias Subespecificación del modelo Sobreespecificación del modelo.
La semielasticidad precio con respecto a rooms es creciente conforme la variable rooms aumenta para valores superiores a 4.4 habitaciones y el estimador MCO obtenido es sesgado, ineficiente y consistente de manera que este resultado debe interpretarse en
muestras grandes. La semielasticidad precio con respecto a rooms es creciente conforme la variable rooms aumenta para valores superiores a 3.56 habitaciones y el estimador MCO obtenido es insesgado, pero eficiente de manera que este resultado puede interpretarse en muestras pequeñas.. La semielasticidad precio con respecto a rooms es creciente conforme la variable rooms aumenta para valores superiores a 6.21 habitaciones y el estimador MCO obtenido es insesgado, pero eficiente de manera que este resultado puede interpretarse en muestras pequeñas.
¿Qué tipo de linealidad impone la hipótesis ideal del MBRL para garantizar que la estimación MCO proporcione estimadores ELIO? Cualquier tipo de linealidad en el modelo estadístico de regresión múltiple Linealidad en las variables Linealidad en los coeficientes del modelo.
P. Se especifica un modelo econométrico para estudiar la relación inversa entre el tiempo dedicado a dormir (sleep) y el dedicado a trabajar (totwork) en minutos /semana , junto a los años de educación (educ), la edad de los individuos (age) y el género (male=1, masculino).
Existe evidencia estadística fuerte a favor de la disyuntiva (tradeoff) entre trabajar y dormir y esta disyuntiva es de un cuarto de hora (15 minutos) No existe evidencia estadística a favor de la disyuntiva (tradeoff) entre trabajar y dormir. Existe evidencia estadística fuerte a favor de la disyuntiva (tradeoff) entre trabajar y dormir si bien esta disyuntiva es inferior a un minuto.
Si en la ecuación original incluimos el salario en euros podemos afirmar que el cambio en al unidad de media de la variable a explicar dará lugar a los siguientes cambios en los coeficientes estimados por MCO: El cambio de unidades de medida en la variable a explicar no afecta a los coeficientes del modelo estimado por MCO, por tratarse de un cambio de origen. β0⋅=296362 yβ1⋅=267.993 β0⋅=0.000296362 y β1⋅=0.000267993.
Sabiendo que el B1 ( ROOMS ) es 0,5451 ***, y B2 SQ_ROOMS es de -0,06***, que forma tomara la cuadrática U invertida u creciente sobre rooms u creciente sobre la dependiente.
P. Se especifica un modelo econométrico para estudiar la relación inversa entre el tiempo dedicado a dormir (sleep) y el dedicado a trabajar (totwork) en minutos /semana , junto a los años de educación (educ), la edad de los individuos (age) y el género (male=1, masculino). Hay evidencia estadística de que los hombres duermen más que las mujeres (ceteris paribus) y esta diferencia es fuerte porque supera la hora de sueño el día Hay evidencia estadística de que las mujeres duermen más que las mujeres (ceteris paribus) si bien esta diferencia no llega a 15 min al día Hay evidencia estadística de que los hombres duermen más que las mujeres (ceteris paribus) si bien esta diferencia no llega a 15 minutos al día.
¿Qué modelos hay que especificar si se quiere analizar si el efecto parcial, la elasticidad o semielasticidad de la variable a explicar con respecto a una variable explicativa, dependen de la magnitud de otra variable explicativa?
Los modelos ANOVA Los modelos log-nivel o log-log Los modelos de términos de interacción.
¿Cómo son los estimadores MCO estimados por HAC (HC1) en presencia de heterocedasticidad, suponiendo que se cumplen el resto de hipótesis ideales del modelo básico de regresión lineal (MBRL)? Lineales, insesgados, óptimos (ELIO) e inconsistentes Lineales, insesgados, óptimos (ELIO) y consistentes Lineales, insesgados, ineficientes y consistentes.
|
