Econometría Aplicada

¿Cuál de las siguientes opciones describe mejor la información cualitativa?. Características o categorías no numéricas como género o estado civil. Variables siempre ordinales con jerarquía. Valores continuos que miden magnitudes exactas. Datos que siempre pueden promediarse.

En un modelo de regresión lineal, ¿cómo se interpreta el coeficiente de una variable binaria?. Como la varianza de la variable dependiente. Como la diferencia promedio entre la categoría 1 y la categoría 0. Como el promedio de todas las observaciones. Como el error del modelo.

¿Cuál es una consecuencia práctica de la multicolinealidad alta en un modelo de regresión?. Los errores estándar de los coeficientes aumentan, reduciendo su significancia. El valor de R² siempre aumenta. Los residuos presentan correlación serial. Los estimadores se vuelven sesgados.

¿Qué significa que exista heteroscedasticidad en un modelo de regresión?. Que los coeficientes cambian de signo. Que los errores presentan distinta variabilidad según los valores de la variable independiente. Que los errores están correlacionados en el tiempo. Que los errores tienen la misma varianza para todos los valores de X.

¿Cuál de las siguientes afirmaciones describe mejor la autocorrelación en un modelo de regresión?. Los errores son completamente aleatorios. Los errores son más grandes en ingresos altos que en bajos. Los coeficientes estimados se vuelven sesgados. Los errores dependen de los errores previos, siguiendo un patrón en el tiempo.

Supongamos que en la primera etapa del 2SLS obtenemos: X*educación = 0.5 + 0.8 · distancia_universidad. Si la distancia a la universidad es 2 km, ¿cuál es el valor ajustado de X*educación?. 2.5. 0.5. 1.3. 2.1.

¿Cuáles son las dos condiciones que debe cumplir un buen instrumento en el modelo de VI?. Endogeneidad y correlación. Relevancia y exogeneidad. Relevancia y simplicidad. Exogeneidad y normalidad.

¿Cuál es la regla general para considerar un instrumento como “fuerte” en la prueba de relevancia?. El uso de más variables endógenas que instrumentos. Una correlación negativa entre el instrumento y la variable endógena. Un estadístico F menor a 5 en la primera etapa. Un estadístico F mayor a 10 en la primera etapa.

En un modelo de regresión, ¿qué ocurre cuando se omite una variable que está correlacionada con una de las variables independientes incluidas?. La influencia de la variable omitida se traslada al error, rompiendo el supuesto E(u∣X)=0. No pasa nada, el modelo sigue siendo imparcial. Se mejora la precisión de las estimaciones. El estimador de MCO se mantiene insesgado.

¿Cuál es la principal razón por la que se utilizan Variables Instrumentales (VI) en un modelo de regresión?. Para eliminar la necesidad de variables explicativas. Para hacer más simple la interpretación de los coeficientes. Para aumentar el número de variables en el modelo. Para corregir problemas de endogeneidad que sesgan los estimadores de MCO.

Seleccione la opción que mejor define la estacionariedad en una serie de tiempo. Sus propiedades estadísticas (media y varianza) se mantienen constantes en el tiempo. Sus observaciones pueden reordenarse sin afectar el análisis. No existe autocorrelación en los datos. Presenta siempre una tendencia creciente.

¿Qué afirmación distingue correctamente entre los modelos AR y MA?. MA usa valores pasados de la serie; AR usa errores pasados. Ambos dependen únicamente de variables exógenas. AR usa valores pasados de la serie; MA usa errores pasados (choques). MA solo se aplica a series con tendencia determinista.

¿Qué implica el orden temporal en una serie de tiempo?. Que el orden de los datos es irrelevante para el análisis. Que reordenar las observaciones puede alterar la interpretación de la evolución temporal. Que la covarianza depende del tiempo y no del rezago. Que la serie no puede presentar estacionalidad.

¿Cuál es la mejor definición de un proceso estocástico?. Una colección de variables aleatorias indexadas en el tiempo cuya evolución incorpora azar. Una serie estacionaria perfecta sin choques. Una sucesión determinista sin incertidumbre. Un modelo exclusivamente autorregresivo de orden 1.

En el modelo AR(1): Yt = ρ Yt−1 + εt, si ρ = 1 entonces: La serie es estacionaria y los choques se disipan. Existe raíz unitaria; la serie es no estacionaria y los choques tienen efectos permanentes. La serie vuelve rápidamente a su media después de un shock. La media y la varianza son constantes en el tiempo.

¿Qué son los datos de panel?. Un corte transversal con varias personas observado en un único momento. Un conjunto de datos con únicamente información cualitativa sin tiempo. Un conjunto de observaciones de varias unidades (personas, empresas, países, etc.) seguidas a lo largo de varios periodos de tiempo. Una sola serie de tiempo para un país u organización.

En un modelo de efectos fijos con datos de panel, ¿qué hace el modelo con las características no observadas de cada individuo que no cambian en el tiempo?. Las modela como ruido blanco sin estructura. Las controla al comparar cada individuo consigo mismo, filtrando lo que es constante en el tiempo. Las sustituye por variables ficticias aleatorias en cada periodo. Las elimina del modelo suponiendo que no existen.

Según las diapositivas sobre regresión con variable dependiente binaria, ¿por qué se prefieren los modelos Logit y Probit frente al modelo de probabilidad lineal (MPL)?. Porque permiten obtener siempre un R² más alto que en cualquier otro modelo. Porque solo se pueden usar cuando la variable dependiente es continua. Porque eliminan por completo la necesidad de interpretar probabilidades. Porque aseguran probabilidades entre 0 y 1 mediante funciones no lineales y corrigen problemas del MPL como predicciones fuera de rango y heterocedasticidad.