ECONOMETRIA

En el ejemplo Probit, con coeficientes beta cero igual a -4 y beta uno igual a 1,2, ¿cuál es el valor Z para 5 horas de estudio?. a. -0,4. b. 2,0. c. -2,8. d. 5,2.

Según la prueba de Hausman, ¿qué indica la hipótesis nula?. a. Hay correlación y se deben usar siempre efectos fijos. b. El modelo ARIMA es más adecuado. c. La variable dependiente es binaria. d.No hay correlación entre el efecto individual y las variables explicativas, por lo que se pueden usar efectos aleatorios.

¿Cuál es la lógica central de los efectos fijos?. a. Comparar únicamente individuos diferentes en un mismo año. b. Comparar a cada individuo consigo mismo a lo largo del tiempo. c. Eliminar todas las variables explicativas del modelo. d. Usar solo promedios generales de la muestra.

¿Qué supone el modelo de efectos aleatorios sobre las diferencias individuales?. a. Que no están correlacionadas con las variables explicativas. b. Que no existen diferencias entre individuos. c. Que siempre están correlacionadas con las variables explicativas. d. Que deben eliminarse antes de estimar cualquier modelo.

¿Por qué los datos de panel pueden mejorar la eficiencia estadística?. a. Porque siempre convierten variables cualitativas en cuantitativas. b. Porque reducen la muestra a una sola unidad. c. Porque eliminan la necesidad de estimar coeficientes. d.Porque combinan más observaciones al incluir unidades y periodos de tiempo.

Si Ana aumenta sus horas de estudio de 2 a 4 y su nota sube de 7,5 a 9,0, ¿cuál es el cambio en la nota?. a. +1,5 puntos. b. +2,0 puntos. c. +7,5 puntos. d. +4,0 puntos.

Si Ana aumenta sus horas de estudio de 2 a 4 y su nota sube de 7,5 a 9,0, ¿cuál es el cambio en la nota?. a. +4,0 puntos. b. +7,5 puntos. c. +2,0 puntos. d. +1,5 puntos.

¿Qué tipo de factores pueden sesgar una estimación si no se controlan en datos de panel?. a. Únicamente el tamaño de la muestra. b. Solo el año de la observación. c. El nombre de la variable dependiente. d. Talento natural, cultura organizacional o ubicación constante.

¿Qué permite controlar un modelo de efectos fijos?. a. Únicamente errores de medición de la variable dependiente. b. Factores aleatorios que no pertenecen a cada individuo. c. Solo variables que cambian diariamente. d.Características no observadas de cada individuo que no cambian en el tiempo.

¿Qué es una variable dependiente binaria?. a. Una variable que solo toma los valores 0 o 1. b. Una variable que siempre tiene valores negativos. c. Una variable con infinitas categorías ordenadas. d. Una variable que solo mide el tiempo.

¿Cuál de los siguientes ejemplos corresponde a datos de panel?. a. PIB de 100 países desde 2000 hasta 2024. b. Encuesta aplicada a distintas personas una sola vez. c. PIB de Ecuador únicamente en 2024. d. Ventas de una empresa durante un solo mes.

¿Cuál es la lógica central de los efectos fijos?. a. Comparar a cada individuo consigo mismo a lo largo del tiempo. b. Usar solo promedios generales de la muestra. c. Eliminar todas las variables explicativas del modelo. d. Comparar únicamente individuos diferentes en un mismo año.

Si el p-valor de la prueba de Hausman es mayor que 0,05, ¿qué modelo puede usarse?. a. Efectos aleatorios. b. Modelo de raíz unitaria. c. Modelo de media móvil solamente. d. Efectos fijos obligatoriamente.

¿Qué son los datos de panel?. a. Datos que combinan varias unidades observadas a lo largo del tiempo. b. Datos que eliminan la dimensión temporal del análisis. c. Datos de una sola variable observada en un único periodo. d. Datos de una sola persona en un solo momento.

¿Qué forma tiene la curva utilizada por el modelo Logit para transformar valores en probabilidades?. a. Línea vertical perfecta. b. Curva de campana normal exclusivamente. c. Línea horizontal constante. d. Forma de S.

Si el p-valor de la prueba de Hausman es menor que 0,05, ¿qué decisión se toma?. a. Se elimina la variable dependiente. b. Se acepta la hipótesis nula y se prefiere efectos aleatorios. c. Se usa necesariamente un modelo Probit. d. Se rechaza la hipótesis nula y se prefiere efectos fijos.

¿Qué tipo de factores pueden sesgar una estimación si no se controlan en datos de panel?. a. El nombre de la variable dependiente. b. Únicamente el tamaño de la muestra. c. Solo el año de la observación. d. Talento natural, cultura organizacional o ubicación constante.

En efectos aleatorios, las características propias de cada individuo se consideran: a. Aleatorias y no sesgadas respecto a las variables explicativas. b. Errores que deben borrarse de la base de datos. c. Variables dependientes binarias. d. Determinísticas y perfectamente observables.

¿Qué curva utiliza el modelo Probit para transformar el valor interno en probabilidad?. a. Una curva de raíz unitaria. b. Una línea recta sin límites. c. Una curva de costos fijos. d. La curva normal o campana de Gauss acumulada.

¿Cuál es un problema del modelo de probabilidad lineal?. a. Solo funciona con series estacionarias. b. Puede generar predicciones fuera del rango entre 0 y 1. c. No permite usar variables explicativas. d. Siempre garantiza probabilidades entre 0 y 1.

¿Qué modelo es la forma más simple de analizar una variable dependiente binaria con regresión lineal tradicional?. a. Modelo VAR. b. Modelo ARIMA. c. Modelo de efectos fijos. d. Modelo de probabilidad lineal.

¿Cuál es una ventaja de los datos de panel?. a. Solo sirven para describir datos sin hacer estimaciones. b. Impiden controlar diferencias individuales. c. Permiten estudiar dinámicas en el tiempo y diferencias entre individuos. d. Reducen la cantidad de información disponible.

En el ejemplo Logit de aprobación, si el estudiante estudia más horas, ¿qué ocurre con la probabilidad de aprobar?. a. No puede calcularse con el modelo. b. Se mantiene fija en 50 por ciento. c. Disminuye siempre hasta cero. d. Aumenta según la transformación del modelo.

¿Qué modelo es la forma más simple de analizar una variable dependiente binaria con regresión lineal tradicional?. a. Modelo de probabilidad lineal. b. Modelo ARIMA. c. Modelo VAR. d. Modelo de efectos fijos.

En el ejemplo de capacitación y productividad, ¿qué relación se espera observar?. a. Ausencia total de relación entre capacitación y productividad. b. Una relación negativa obligatoria entre capacitación y productividad. c. Una relación positiva entre horas de capacitación y productividad. d. Una relación únicamente estacional.

En el ejemplo de horas de estudio y notas, ¿qué busca medir el modelo de efectos fijos?. a. Cuál estudiante obtiene siempre la nota más alta. b. El promedio de notas sin considerar el tiempo. c.Cómo cambia la nota del mismo estudiante cuando cambian sus horas de estudio. d. Qué estudiante tiene más talento natural.

¿Qué dimensión combinan los datos de panel?. a. Solo variables cualitativas. b. Unidad de análisis y tiempo. c. Solo errores aleatorios. d. Solo frecuencia mensual y anual.

¿Qué permite controlar un modelo de efectos fijos?. a. Factores aleatorios que no pertenecen a cada individuo. b. Solo variables que cambian diariamente. c.Características no observadas de cada individuo que no cambian en el tiempo. d. Únicamente errores de medición de la variable dependiente.

¿Cuál es una diferencia general entre Logit y Probit?. a.Logit suele facilitar la interpretación de efectos, mientras Probit se apoya en la distribución normal acumulada. b. Logit solo sirve para datos de panel y Probit para series de tiempo. c. Logit elimina la necesidad de tener una variable dependiente binaria. d. Probit siempre predice valores fuera del rango entre 0 y 1.

En el ejemplo Logit de aprobación, si el estudiante estudia más horas, ¿qué ocurre con la probabilidad de aprobar?. a. Disminuye siempre hasta cero. b. Se mantiene fija en 50 por ciento. c. Aumenta según la transformación del modelo. d. No puede calcularse con el modelo.

Un modelo autorregresivo se define como aquel en el que: a. El valor actual depende solo de errores pasados, nunca de valores pasados. b. La variable se explica únicamente por variables externas. c. La serie no puede tener ningún rezago. d.El valor actual depende de sus propios valores pasados y de un error aleatorio.

La diferenciación en una serie de tiempo consiste en: Seleccione una: a. Eliminar todos los valores negativos. b. Ordenar los datos de mayor a menor. c. Restar el valor actual menos el valor anterior. d. Multiplicar todos los valores por la media.

Un modelo de media móvil MA explica el valor actual de una serie a partir de: Seleccione una: a. Solo variables cualitativas externas. b. Únicamente los valores pasados de la propia serie. c. Una tendencia lineal sin errores. d. Errores o choques aleatorios actuales y pasados.

Una secuencia adecuada para construir un modelo ARIMA es: Seleccione una: a. Solo graficar la serie y calcular la media. b. Reordenar datos, borrar rezagos y estimar promedios. c. Pronóstico, eliminación de datos, tabulación y conclusión. d. Identificación, estimación, diagnóstico y pronóstico.

En un modelo AR, el término alfa representa: Seleccione una: a. El término constante o nivel base de la serie. b. El número de diferencias aplicadas. c. El error aleatorio del periodo anterior. d. La cantidad de variables independientes externas.

Si el coeficiente phi de un modelo AR es negativo, se interpreta que: Seleccione una: a. No existe ningún tipo de dependencia temporal. b. El valor actual tiende a moverse en dirección opuesta al valor anterior. c. El modelo se convierte automáticamente en MA. d. La serie crece siempre de forma constante.

Cuando se compara un modelo esperado del crecimiento del PIB con las frecuencias observadas en datos reales, se contrasta: a. Solo variables cualitativas. b. Solo estacionalidad y tendencia determinista. c. Únicamente errores de medición. d. Probabilidad teórica y probabilidad empírica.

Una serie es estacionaria cuando: Seleccione una: a. Presenta una raíz unitaria obligatoriamente. b. Su media, varianza y covarianza se mantienen constantes en el tiempo. c. No puede ser usada para modelos ARMA o ARIMA. d. Sus valores siempre crecen de manera acelerada.

En series de tiempo, los logaritmos suelen utilizarse para: Seleccione una: a. Convertir una serie anual en mensual. b. Garantizar que no exista autocorrelación. c. Eliminar todos los errores del modelo. d. Estabilizar la varianza cuando la serie crece mucho.

Una serie con raíz unitaria generalmente es: a. No estacionaria y sus choques pueden tener efectos permanentes. b. Una serie sin incertidumbre ni azar. c. Una serie que siempre regresa de inmediato a su media. d. Estacionaria y con varianza constante garantizada.

Un proceso estocástico se caracteriza porque: Seleccione una: a. Evoluciona en el tiempo incorporando incertidumbre o azar. b. Es equivalente a una serie estacionaria perfecta. c. No depende de probabilidades ni de valores pasados. d. Siempre sigue un patrón determinista sin azar.

El pronóstico en ARIMA permite: Seleccione una: a. Eliminar completamente la incertidumbre del futuro. b. Demostrar causalidad entre muchas variables externas. c. Predecir valores futuros y presentar un rango posible de resultados. d. Convertir toda serie en una variable cualitativa.

En un proceso AR de primer orden, si rho es igual a 1, entonces: Seleccione una: a. El proceso es estacionario necesariamente. b. Los choques se disipan completamente en un periodo. c. Existe raíz unitaria y la serie es no estacionaria. d. La media y la varianza son constantes por definición.

En ARIMA, el parámetro d representa: Seleccione una: a. El número de errores pasados considerados en MA. b. El número de diferencias aplicadas para hacer estacionaria la serie. c. El número de periodos futuros que se desea pronosticar. d. El número de variables independientes del modelo.

En un modelo MA de orden q, la ACF generalmente: Seleccione una: a. Se corta bruscamente después del rezago q. b. Siempre es igual a cero en el primer rezago. c. Crece indefinidamente con cada rezago. d. No puede ser graficada.

La dependencia temporal en una serie de tiempo significa que: Seleccione una: a. Los valores pasados pueden influir en los valores presentes y futuros. b. Cada valor se genera sin relación con ningún periodo anterior. c. La serie solo puede analizarse con datos diarios. d. La variable debe tener siempre una tendencia creciente.

El modelo ARIMA combina los componentes: a. Autocorrelación, raíz unitaria, ingreso y mercado. b. Análisis, regresión, inflación y media anual. c. Aleatoriedad, renta, inversión y matriz agregada. d.Autorregresivo, integrado y media móvil.

En un modelo AR de primer orden, un coeficiente phi alto y positivo indica que: Seleccione una: a. El modelo deja de ser autorregresivo. b. El pasado no tiene influencia sobre el presente. c. La serie alterna siempre de forma negativa. d. El valor actual depende fuertemente del valor anterior.

Una serie de tiempo se define principalmente como: Seleccione una: a.Un conjunto de observaciones ordenadas cronológicamente en intervalos regulares. b. Una tabla que solo registra datos anuales de producción. c. Un conjunto de datos sin orden temporal y reorganizable libremente. d. Una comparación entre dos grupos sin relación con el tiempo.

¿Cuál de las siguientes pruebas se utiliza para verificar estacionariedad o raíz unitaria? Seleccione una: a. Prueba chi cuadrado de independencia únicamente. b. Prueba de correlación simple sin rezagos. c. Prueba de medias para dos poblaciones únicamente. d. Prueba Dickey Fuller Aumentada.

La tendencia en una serie de tiempo representa: Seleccione una: a. La ausencia total de variación en los datos. b. Un cambio aleatorio que nunca se repite. c.El movimiento de largo plazo de la serie, que puede ser creciente, decreciente o estable. d. Un patrón que aparece únicamente en el mismo mes de cada año.

La PACF permite observar: Seleccione una: a. El porcentaje de estudiantes aprobados en una muestra. b. La media aritmética de toda la serie. c. La frecuencia absoluta de datos agrupados. d.Cuánto influye un rezago específico sin contar lo explicado por rezagos anteriores.

Los ciclos en una serie de tiempo son: Seleccione una: a. Errores de digitación en la base de datos. b.Fluctuaciones de mediano o largo plazo relacionadas con expansiones y recesiones. c. Valores constantes sin variación. d. Cambios que siempre ocurren cada día a la misma hora.

La estacionalidad se refiere a: Seleccione una: a. Una media que cambia cada segundo. b. Una relación causal entre dos variables sin considerar el tiempo. c. Patrones que se repiten periódicamente en la serie. d. Movimientos completamente aleatorios sin explicación.

El ruido blanco se caracteriza por: Seleccione una: a. Media constante, varianza constante y ausencia de autocorrelación. b. Dependencia perfecta entre todos los errores. c. Tendencia creciente y estacionalidad fuerte. d. Media y varianza siempre crecientes.

¿Por qué no se deben reordenar libremente los datos de una serie de tiempo? Seleccione una: a. Porque se pierde la información sobre la evolución cronológica de la variable. b. Porque la media siempre se vuelve igual a cero. c. Porque la frecuencia deja de existir automáticamente. d. Porque todos los datos dejarían de ser numéricos.

La irregularidad en una serie de tiempo se asocia con: Seleccione una: a. La media constante de una serie estacionaria. b. Una tendencia perfectamente lineal y predecible. c. La repetición exacta de un patrón mensual. d. Movimientos aleatorios o ruido causados por eventos inesperados.

En el diagnóstico de un modelo de series de tiempo, los residuos deberían comportarse como: Seleccione una: a. Ruido blanco, sin autocorrelación y con media cercana a cero. b. Una variable externa fija. c. Una serie con raíz unitaria obligatoria. d. Una tendencia creciente permanente.

Los modelos multivariantes estacionarios se diferencian de un ARIMA univariante porque: Seleccione una: a. No requieren revisar estacionariedad. b. Solo sirven para datos sin orden temporal. c. Analizan únicamente una variable sin relación con otras. d. Analizan varias variables relacionadas entre sí a lo largo del tiempo.

Si el PIB se registra por T1, T2, T3 y T4, la frecuencia de la serie es: Seleccione una: a. Diaria. b. Mensual. c. Anual. d. Trimestral.

Si una variable categórica tiene k categorías, ¿cuántas variables dummy se deben crear para evitar colinealidad perfecta? Seleccione una: a. k más 1 variables dummy. b. Una sola variable dummy siempre. c. k menos 1 variables dummy. d. k variables dummy.

¿Para qué sirve incluir una interacción entre X y D en un modelo de regresión? Seleccione una: a. Para eliminar la variable dependiente. b. Para capturar cambios en la pendiente de X entre grupos o periodos. c. Para convertir todos los datos en porcentajes. d. Para impedir que el modelo estime coeficiente.

Si el modelo es Salario igual a 500 menos 100 por Genero más 300 por Educacion Superior, donde Genero es 1 para hombre y Educacion Superior es 1 si tiene estudios superiores, ¿cuál es el salario esperado para un hombre con estudios superiores? Seleccione una: a. 400. b. 800. c. 500. d. 700.

¿Qué es un cambio estructural en econometría? Seleccione una: a. La igualdad exacta entre todos los coeficientes. b. Un cambio en el tamaño de la muestra únicamente. c. Un cambio en la relación entre variables según un grupo o periodo. d. La eliminación de todas las variables binarias.

¿Qué herramienta se usa comúnmente para describir información cualitativa? Seleccione una: a. Tablas de frecuencia y porcentajes. b. Regresión logística exclusivamente. c. Derivadas parciales. d. Promedio aritmético de todas las categorías.

¿Cuál es la regla general para considerar fuerte a un instrumento según el estadístico F de la primera etapa? Seleccione una: a. F menor a 1. b. F igual a cero. c. F negativo. d. F mayor a 10.

¿Cuál es una consecuencia de ignorar variables omitidas relevantes? Seleccione una: a. Aumento garantizado de la consistencia. b. Sesgo en los estimadores. c. Eliminación de la endogeneidad. d. Mayor validez automática de los p-valores.

¿Qué indica Cov(Educacion,u) distinto de cero en un modelo de ingreso? Seleccione una: a. Que el modelo no tiene intercepto. b.Que educación está correlacionada con factores no observados incluidos en el error. c. Que no existe endogeneidad. d. Que educación es completamente independiente del error.

¿Por qué 2SLS permite obtener estimadores consistentes? Seleccione una: a. Porque elimina automáticamente todos los errores de medición. b.Porque utiliza la parte de la variable endógena explicada por instrumentos válidos. c. Porque no necesita cumplir ningún supuesto. d. Porque convierte todas las variables en cualitativa.

¿Cuándo hablamos de una variable omitida en un modelo de regresión? Seleccione una: a. Cuando todas las variables son cualitativas. b.Cuando dejamos fuera una variable que afecta a Y y está correlacionada con una X incluida. c. Cuando el modelo tiene demasiadas observaciones. d. Cuando una variable dependiente se mide en dólare.

En el modelo Y igual a b0 más b1X más b2D, donde D es una variable dummy, ¿qué mide b2? Seleccione una: a. El número de categorías de X. b. La pendiente original de X antes de D. c. La varianza del error. d. El cambio en el intercepto asociado a D.

¿Qué es un error de especificación en un modelo econométrico? Seleccione una: a. Una prueba para medir gráficos de barras. b. Una forma correcta de aumentar el R cuadrado. c. Un error que solo aparece cuando la muestra es grande. d. Un problema que ocurre cuando el modelo está mal planteado.

¿Qué ocurre en la multicolinealidad perfecta? Seleccione una: a. El intercepto desaparece sin afectar el modelo. b. Los errores siempre son normales. c.Una variable independiente es combinación exacta de otras y el modelo no puede estimarse correctamente. d. El tamaño de la muestra se duplica.

¿Cuál de los siguientes ejemplos corresponde a una variable cualitativa nominal? Seleccione una: a. Nivel educativo: primaria, secundaria y universidad. b. Nivel de satisfacción: bajo, medio y alto. c. Edad medida en años. d. Color de ojos: verde, azul o marrón.

¿Qué indica generalmente un VIF mayor a 10? Seleccione una: a. Que el modelo no tiene residuos. b. Un problema fuerte de multicolinealidad. c. Ausencia total de multicolinealidad. d. Que la variable dependiente es binaria.

En el ejemplo de ingreso y educación, ¿por qué la habilidad innata puede ser una variable omitida relevante? Seleccione una: a. Porque reemplaza completamente a la variable dependiente. b. Porque siempre se mide sin error. c. Porque afecta al ingreso y puede estar correlacionada con la educación. d. Porque no tiene relación con la productividad.

¿Qué ocurre con el término de error cuando se omite una variable relevante? Seleccione una: a. Recoge la influencia de la variable omitida. b. Se vuelve siempre igual a cero. c. Desaparece del modelo. d. Se convierte en una variable instrumental.

¿De dónde pueden provenir los instrumentos según el material? Seleccione una: a. Siempre de una variable inventada sin justificación. b. Únicamente de la variable dependiente final. c.Del contexto geográfico, factores institucionales o históricos, o variables rezagadas. d. Solo del término de error.

¿Qué se revisa para evaluar la relevancia de un instrumento en la primera etapa? Seleccione una: . El número de respuestas correctas. b. La cantidad de categorías nominales. c. El estadístico F. d. El color del gráfico.

¿Cuál es el problema central cuando una variable explicativa está correlacionada con el término de error? Seleccione una: a. Existe endogeneidad. b. El modelo ya no necesita datos. c. Existe exogeneidad perfecta. d. La variable dependiente se vuelve irrelevante.

¿Qué significa autocorrelación en los errores de un modelo? Seleccione una: a.Que los errores están relacionados entre sí a lo largo del tiempo u orden de los datos. b. Que no hay relación entre observaciones. c. Que todas las variables son nominales. d. Que los errores tienen exactamente la misma varianza.

Si el intercepto es 800 para Costa y el coeficiente de Sierra es menos 200, ¿cuál es el ingreso promedio esperado en Sierra? Seleccione una: a. 800. b. 1000. c. 600. d. 200.

¿Qué significa un cambio en la pendiente dentro de un modelo de regresión? Seleccione una: a. Que todas las variables son cualitativas. b. Que el valor de Y siempre permanece constante. c. Que se elimina el error del modelo. d. Que cambia la intensidad de la relación entre X y Y.

¿Qué efecto puede tener incluir variables irrelevantes en una regresión? Seleccione una: a. Aumentar la varianza de los estimadores. b. Evitar cualquier problema de especificación. c. Hacer que los datos cualitativos sean continuos. d. Eliminar todo sesgo por omisión.

¿Qué significa heteroscedasticidad en un modelo de regresión? Seleccione una: a.Que los errores presentan distinta variabilidad según los valores de la variable independiente. b. Que las variables independientes son idénticas. c. Que los errores son siempre iguales a cero. d. Que no existen residuos en el modelo.

¿Por qué MCO puede ser inadecuado cuando hay endogeneidad? Seleccione una: a. Porque elimina automáticamente el error. b. Porque solo funciona con variables cualitativas. c. Porque sus estimadores pueden ser sesgados e inconsistentes. d. Porque no permite incluir intercepto.

¿Qué significa la condición Cov(X,u) igual a cero? Seleccione una: a. Que la variable explicativa no está correlacionada con el error. b. Que X es igual a Y. c. Que el error siempre es positivo. d. Que la variable dependiente no existe.

¿Por qué la distancia a la universidad puede funcionar como instrumento de educación? Seleccione una: a. Porque elimina todas las variables exógenas. b. Porque siempre está correlacionada con el error. c. Porque mide directamente el salario. d.Porque puede estar relacionada con los años de educación y no afectar directamente el ingreso.

Si se omite la habilidad en un modelo de ingreso explicado por educación, ¿qué puede ocurrir con el coeficiente de educación? Seleccione una: a. Puede capturar parte del efecto de la habilidad y quedar sesgado. b. Deja de formar parte del modelo. c. Se vuelve automáticamente insesgado. d. Siempre será exactamente cero.

¿Qué técnica econométrica se usa para corregir problemas de endogeneidad? Seleccione una: a. Promedios simples. b. Variables Instrumentales. c. Tablas de frecuencia. d. Gráficos de pastel.

¿Qué son los datos de panel?. a.Datos que combinan varias unidades observadas a lo largo del tiempo. b.Datos que eliminan la dimensión temporal del análisis. c.Datos de una sola variable observada en un único periodo. d.Datos de una sola persona en un solo momento.

¿Por qué los datos de panel pueden mejorar la eficiencia estadística?. a.Porque combinan más observaciones al incluir unidades y periodos de tiempo. b. Porque eliminan la necesidad de estimar coeficientes. c. Porque siempre convierten variables cualitativas en cuantitativas. d. Porque reducen la muestra a una sola unidad.

¿Qué supone el modelo de efectos aleatorios sobre las diferencias individuales?. a. Que siempre están correlacionadas con las variables explicativas. b. Que no están correlacionadas con las variables explicativas. c. Que no existen diferencias entre individuos. d. Que deben eliminarse antes de estimar cualquier modelo.

En efectos aleatorios, las características propias de cada individuo se consideran: a. Aleatorias y no sesgadas respecto a las variables explicativas. b. Determinísticas y perfectamente observables. c. Variables dependientes binarias. d. Errores que deben borrarse de la base de datos.

¿Cuál de los siguientes ejemplos corresponde a datos de panel?. a. PIB de 100 países desde 2000 hasta 2024. b. Encuesta aplicada a distintas personas una sola vez. c. Ventas de una empresa durante un solo mes. d. PIB de Ecuador únicamente en 2024.