Econometría B.

Considerando la Función de Regresión Poblacional (FRP) ¿Qué representa la desviación ui en la ecuación de regresión Yi = E(Y | Xi) + ui ?. La media condicional de la variable dependiente Y. La media incondicional de la variable dependiente Y. La diferencia entre el valor observado de la variable dependiente y su media condicional dada la variable independiente. La diferencia entre el valor observado de la variable dependiente y su media incondicional.

¿Cuál de las siguientes afirmaciones sobre el coeficiente de determinación r² es correcta?. Un r² de cero significa que hay una fuerte relación entre la variable dependiente y la variable independiente. Un r² de uno significa que no hay relación entre la variable dependiente y la variable independiente. Un r² de uno significa un ajuste perfecto del modelo, es decir, ŷi = yi. Un r² negativo indica que el modelo de regresión es adecuado.

¿Cuál de las siguientes es una causa común de heterocedasticidad en datos de corte transversal?. Errores de medición en los datos de serie de tiempo. Distribución normal de todas las variables independientes. Asimetría en la distribución de las regresoras, como el ingreso o la riqueza. Modelos correctamente especificados sin variables omitidas.

¿Cuál de las siguientes es una técnica para detectar la multicolinealidad?. Análisis de varianza (ANOVA). Cálculo del factor de inflación de la varianza (VIF). Análisis de residuales. Prueba de normalidad de Shapiro-Wilk.

¿Cuál de las siguientes estrategias puede ayudar a reducir la multicolinealidad en un modelo de regresión?. Incrementar el nivel de significancia de las pruebas t. Aumentar el tamaño de la muestra sin modificar las variables. Eliminar una o más variables independientes que están altamente correlacionadas. Utilizar una regresión logística en lugar de lineal.

¿Cuál de las siguientes técnicas puede utilizarse para detectar la heterocedasticidad en un modelo de regresión?. Regresión lineal simple. Prueba de Jarque-Bera. Prueba de Multicolinealidad. Análisis de residuos frente a valores predichos.

¿Cuál de los siguientes criterios NO es utilizado comúnmente para evaluar la calidad de un modelo de regresión ajustado?. Verificar si los signos de los coeficientes estimados están de acuerdo con las expectativas teóricas. Evaluar la significancia estadística de los coeficientes utilizando el valor p. Medir el coeficiente de determinación (R²) para ver qué tan bien explica el modelo la variación en la variable dependiente. Comparar el valor t con el valor crítico z de la distribución normal estándar.

¿Cuál de los siguientes enunciados respecto a regresión, causalidad y correlación es correcto?. En el análisis de correlación se tratan dos variables cualesquiera en forma simétrica; no hay distinción entre las variables dependiente y explicativa. En el análisis de regresión se tratan dos variables cualesquiera en forma simétrica; no hay distinción entre las variables dependiente y explicativa. En el análisis de regresión se trata de estimar o predecir el valor promedio de una variable con base en una variable estocástica. En el análisis de correlación se trata de estimar o predecir el valor promedio de una variable con base en los valores fijos de otras.

¿Cuál de los siguientes enunciados respecto a regresión, causalidad y correlación es correcto?. En el análisis de correlación, el objetivo principal es medir la fuerza o el grado de asociación lineal entre dos variables. En el análisis de regresión se tratan dos variables cualesquiera en forma simétrica; no hay distinción entre las variables dependiente y explicativa. El análisis de correlación tiene que ver con la dependencia de una variable respecto de otras variables, por lo tanto, implica causalidad necesariamente. En el análisis de correlación, el objetivo principal no es medir la fuerza o el grado de asociación lineal entre dos variables.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. De acuerdo con los economistas “positivos”, como Milton Friedman, una teoría o hipótesis no verificable mediante la evidencia empírica no puede ser admisible como parte de la investigación científica. Si el modelo escogido no refuta la hipótesis o la teoría en consideración, no servirá para predecir el (los) valor(es) futuro(s) de la variable dependiente Y, o de pronóstico, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable explicativa, o predictora, X. El término de perturbación “u” representa todos los factores que afectan la variable dependiente que sí se consideran en el modelo en forma explícita. Si el modelo escogido no refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable independiente Y, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable dependiente X.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. El término de perturbación “u” representa todos los factores que afectan la variable dependiente que sí se consideran en el modelo en forma explícita. El término de perturbación “u” representa todos los factores que afectan la variable independiente pero que no se consideran en el modelo en forma explícita. De acuerdo con los economistas “positivos”, como Milton Friedman, una teoría o hipótesis verificable mediante la evidencia empírica no puede ser admisible como parte de la investigación científica. De acuerdo con los economistas “positivos”, como Milton Friedman, una teoría o hipótesis no verificable mediante la evidencia empírica no puede ser admisible como parte de la investigación científica.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. De acuerdo con los economistas “positivos”, como Milton Friedman, una teoría o hipótesis verificable mediante la evidencia empírica no puede ser admisible como parte de la investigación científica. El término de perturbación “u” representa todos los factores que afectan la variable dependiente pero que no se consideran en el modelo en forma explícita. Las relaciones entre las variables económicas suelen ser exactas, para dar cabida a relaciones exactas entre las variables económicas, el econometrista incorpora en el modelo econométrico el término de perturbación o de error. Las relaciones entre las variables económicas suelen ser inexactas, para dar cabida a relaciones inexactas entre las variables económicas, el econometrista incorpora para el modelo econométrico los parámetros Beta 1 y Beta 2.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. El término de perturbación “u” representa todos los factores que afectan la variable dependiente pero que no se consideran en el modelo en forma explícita. De acuerdo con los economistas “positivos”, como Milton Friedman, una teoría o hipótesis no verificable mediante la evidencia empírica puede ser admisible como parte de la investigación científica. Si el modelo escogido no refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable independiente Y, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable dependiente X. Si el modelo escogido refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable dependiente Y, o de pronóstico, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable explicativa, o predictora, X.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. El término de perturbación “u” representa todos los factores que afectan la variable dependiente que sí se consideran en el modelo en forma explícita. El término de perturbación “Beta” representa todos los factores que afectan la variable dependiente pero que no se consideran en el modelo en forma explícita. Las relaciones entre las variables económicas suelen ser exactas, para dar cabida a relaciones exactas entre las variables económicas, el econometrista incorpora en el modelo econométrico el término de perturbación o de error. El término de perturbación “u” representa todos los factores que afectan la variable dependiente pero que no se consideran en el modelo en forma explícita.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. El término de perturbación “u” representa todos los factores que afectan la variable dependiente que sí se consideran en el modelo en forma explícita. De acuerdo con los economistas “positivos”, como Milton Friedman, una teoría o hipótesis no verificable mediante la evidencia empírica puede ser admisible como parte de la investigación científica. La confirmación o refutación de las teorías económicas con fundamento en la evidencia muestral se basa en una rama de la teoría estadística conocida como inferencia estadística (pruebas de hipótesis). Si el modelo escogido no refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable independiente Y, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable dependiente X.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. Si el modelo escogido refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable dependiente Y, o de pronóstico, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable explicativa, o predictora, X. Las relaciones entre las variables económicas suelen ser inexactas, para dar cabida a relaciones inexactas entre las variables económicas, el econometrista utiliza la especificación del modelo matemático. La confirmación o refutación de las teorías económicas con fundamento en la evidencia muestral se basa en una rama de la teoría estadística conocida como inferencia estadística (pruebas de hipótesis). El término de perturbación “u” representa todos los factores que afectan la variable independiente pero que no se consideran en el modelo en forma explícita.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. Si el modelo escogido refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable dependiente Y, o de pronóstico, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable explicativa, o predictora, X. Si el modelo escogido no refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable independiente Y, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable dependiente X. Las relaciones entre las variables económicas suelen ser inexactas, para dar cabida a relaciones inexactas entre las variables económicas, el econometrista incorpora en el modelo econométrico el término de perturbación o de error. Las relaciones entre las variables económicas suelen ser inexactas, para dar cabida a relaciones inexactas entre las variables económicas, el econometrista utiliza la especificación del modelo matemático.

¿Cuál de los siguientes enunciados sobre la metodología de la econometría es correcto?. El término de perturbación “Beta” representa todos los factores que afectan la variable dependiente pero que no se consideran en el modelo en forma explícita. Si el modelo escogido no refuta la hipótesis o la teoría en consideración, servirá para predecir el (los) valor(es) futuro(s) de la variable dependiente Y, o de pronóstico, con base en el (los) valor(es) futuro(s) conocido(s) o esperado(s) de la variable explicativa, o predictora, X. Las relaciones entre las variables económicas suelen ser inexactas, para dar cabida a relaciones inexactas entre las variables económicas, el econometrista incorpora en el modelo econométrico los parámetros Beta 1 y Beta 2. El término de perturbación “u” representa todos los factores que afectan la variable independiente pero que no se consideran en el modelo en forma explícita.

¿Cuál de los siguientes enunciados sobre los tipos de datos es correcto?. La heterogeneidad indica que los elementos o individuos en el conjunto son todos iguales, es decir, no presentan diferencias significativas en sus atributos o comportamientos. La heterogeneidad indica que los elementos o individuos en el conjunto no son todos iguales, sino que presentan diferencias significativas en sus atributos o comportamientos. Las series de tiempo permiten analizar tendencias, pero no patrones estacionales y cambios a lo largo del tiempo para una o más variables. Las series de tiempo son datos recopilados en intervalos irregulares a lo largo del tiempo para una sola variable.

¿Cuál de los siguientes enunciados sobre los tipos de datos es correcto?. Las series de tiempo y los datos de panel no sirven para análisis de tendencias temporales. Los datos de corte transversal y los datos de panel son útiles para analizar tendencias temporales. Los datos de corte transversal permiten analizar tendencias, patrones estacionales y cambios a lo largo del tiempo para una o más variables. Las series de tiempo son datos recopilados en intervalos regulares a lo largo del tiempo para una variable o varias variables.

¿Cuál de los siguientes enunciados sobre los tipos de datos es correcto?. Las series de tiempo permiten analizar tendencias, pero no patrones estacionales y cambios a lo largo del tiempo para una o más variables. Las series de tiempo y los datos de panel sirven para análisis de tendencias temporales. Los datos de panel son datos recolectados a lo largo de varios períodos de tiempo. Los datos de corte transversal son datos recolectados en varios puntos en el tiempo para diferentes unidades de análisis que están relacionadas entre sí en el tiempo.

¿Cuál de los siguientes enunciados sobre los tipos de datos es correcto?. Los datos de corte transversal y los datos de panel no son útiles para analizar relaciones causales entre variables. Las series de tiempo permiten analizar tendencias, patrones estacionales y cambios a lo largo del tiempo para una o más variables. Los datos de corte transversal son datos recolectados en varios puntos en el tiempo para diferentes unidades de análisis que están relacionadas entre sí en el tiempo. Las series de tiempo no permiten analizar tendencias, sólo patrones estacionales y cambios a lo largo del tiempo para una o más variables.

¿Cuál de los siguientes enunciados sobre los tipos de datos es correcto? a. b. c. Una serie de tiempo es estacionaria si su media y varianza no varían sistemáticamente con el tiempo. Los datos de panel transversal son datos recolectados en un solo punto en el tiempo para diferentes unidades que no están relacionadas entre sí en el tiempo. Las series de tiempo permiten analizar tendencias, pero no patrones estacionales y cambios a lo largo del tiempo para una o más variables. La heterogeneidad indica que los elementos o individuos en el conjunto son todos iguales, es decir, no presentan diferencias significativas en sus atributos o comportamientos.

¿Cuál de los siguientes enunciados sobre los tipos de econometría es correcto?. Econometría macroeconómica se centra en el comportamiento de variables a nivel individual o de empresas. Econometría estática examina variables a nivel agregado de una economía. Econometría estática analiza relaciones entre variables en un momento específico sin tener en cuenta cambios temporales. Econometría estructural estima relaciones entre variables sin basarse en un modelo económico explícito.

¿Cuál de los siguientes enunciados sobre los tipos de econometría es correcto?. La econometría teórica se relaciona con la elaboración de métodos apropiados para medir las relaciones económicas especificadas por los modelos econométricos. Econometría estática considera cómo las relaciones entre variables cambian a lo largo del tiempo. En la econometría estructural utilizamos herramientas de la econometría no estructural para estudiar algunos campos especiales de la economía y los negocios. Econometría macroeconómica se centra en el comportamiento de variables a nivel individual o de empresas.

¿Cuál de los siguientes es un síntoma clásico de la multicolinealidad?. R² baja y todos los coeficientes significativos en las pruebas t. R² alta y todos los coeficientes estadísticamente significativos. R² alta y pocos coeficientes significativos en las pruebas t. R² baja y coeficientes estadísticamente significativos.

¿Cuál es el criterio para considerar que existe multicolinealidad significativa en una variable explicativa de un modelo de regresión múltiple?. Si el valor de VIF es mayor a 10. Si el valor de VIF es menor a 5. Si el p-valor es menor a 0.05. Si el coeficiente de determinación R2R^2 es alto.

¿Cuál es el objetivo principal de la prueba t en el contexto de pruebas de significancia estadística?. Estimar la media poblacional. Verificar la verdad o falsedad de una hipótesis nula. Determinar la varianza de la muestra. Calcular el coeficiente de correlación.

¿Cuál es el objetivo principal del análisis de regresión en el contexto de la función de regresión muestral (FRM)?. Estimar la función de regresión poblacional (FRP) Yi = Beta1 + Beta2 Xi + ui con base en la información muestral obtenida a través de la FRM Yi = Beta sombrero1 + Beta sombrero 2 Xi + u sombrero i. Encontrar los valores exactos de los parámetros poblacionales Beta 1 y Beta 2. Minimizar el término residual u sombrero i para cada observación muestral YL. Garantizar que Ŷi siempre subestime E(Y | Xi) para evitar errores.

¿Cuál es el propósito principal de la prueba χ2 en el contexto de pruebas de significancia estadística?. Estimar la media poblacional. Verificar la verdad o falsedad de una hipótesis nula sobre la varianza poblacional. Determinar la correlación entre dos variables. Calcular la desviación estándar muestral.

¿Cuál es la diferencia principal entre significancia estadística y significancia práctica en un estudio?. La significancia estadística se enfoca en el impacto económico de los resultados, mientras que la significancia práctica se basa en la probabilidad de obtener un resultado extremo. La significancia estadística se refiere a la importancia de los resultados en términos de políticas económicas, mientras que la significancia práctica se relaciona con la probabilidad de error en la investigación. La significancia estadística se centra en la probabilidad de obtener un resultado bajo la hipótesis nula, mientras que la significancia práctica considera la relevancia real de estos resultados en la toma de decisiones. La significancia estadística y la significancia práctica son términos intercambiables que se refieren a lo mismo.

¿Cuál es la diferencia principal entre R² y R² ajustada en un modelo de regresión múltiple?. R2 ajustada siempre es cero. R2 ajustada siempre es mayor que R2. R2 ajustada mide la relación entre dos variables, mientras que R2R^2 mide varias variables. R2 ajustada penaliza la adición de variables adicionales que no mejoran el modelo.

¿Cuál es la hipótesis nula en una prueba de normalidad de Shapiro-Wilk aplicada a los residuos de un modelo de regresión?. Los residuos están distribuidos normalmente. Los residuos no están correlacionados. Los residuos tienen varianza constante. Los residuos no tienen colinealidad.

¿Cuál es una de las principales consecuencias de la multicolinealidad en un modelo de regresión?. Reduce la varianza de los errores estándar. Aumenta la precisión de los coeficientes estimados. Hace que los intervalos de confianza de los coeficientes sean más amplios y las pruebas de hipótesis menos confiables. Siempre hace que el modelo sea inadecuado.

¿Cuál es una de las razones para incluir un término de perturbación estocástica ui en un modelo de regresión?. Porque siempre conocemos la forma funcional exacta entre la variable regresada y las regresoras. Porque, aunque se logre introducir en el modelo todas las variables pertinentes, es posible que se presente alguna aleatoriedad “intrínseca” en Y que no se explique. Porque el principio de parsimonia sugiere incluir todas las variables posibles para mayor precisión. Porque nunca existen errores de medición en las variables Y y X.

¿Cuál es uno de los propósitos principales de formular hipótesis nula y alternativa antes de realizar una investigación empírica?. Justificar los resultados observados. Evitar sesgos como el razonamiento circular. Modificar los datos para que se ajusten a las hipótesis. Asegurar que las hipótesis sean verdaderas.

En el contexto de la regresión múltiple, ¿qué representa un coeficiente de regresión parcial?. La media de la variable dependiente. La relación entre dos variables cualitativas. La influencia de una variable independiente en la dependiente, manteniendo constantes las otras variables. La suma de los coeficientes de las variables independientes.

En una prueba de homocedasticidad de Breusch-Pagan, un p-valor mayor que 0.05 indica que: Los residuos no siguen una distribución normal. No se puede rechazar la hipótesis nula de homocedasticidad. Hay multicolinealidad en las variables independientes. La varianza de los errores no es constante (heteroscedasticidad).

¿Para qué se utilizan las variables dicotómicas en el análisis estacional de series de tiempo?. Para eliminar la multicolinealidad en los modelos de series de tiempo. Para representar el cambio de tendencia en una serie de tiempo. Para reducir el tamaño de la muestra. Para modelar patrones estacionales asignando un valor específico a cada temporada.

¿Por qué es importante el principio de parsimonia al construir un modelo de regresión?. Porque conviene mantener el modelo de regresión lo más sencillo posible, explicando “sustancialmente” el comportamiento de Y con dos o tres variables explicativas. Porque siempre es mejor incluir tantas variables como sea posible para obtener un modelo detallado. Porque la parsimonia se refiere a la precisión de la medición de las variables. Porque los modelos complejos siempre tienen mayor poder predictivo.

¿Por qué no se puede asignar el valor de R² entre las variables independientes en un modelo de regresión múltiple?. Porque el R² total depende del orden de introducción de las variables y de posibles correlaciones entre ellas. Porque el R² siempre es cero en modelos de regresión múltiple. Porque no existen correlaciones entre variables explicativas. Porque todas las variables están independientes entre sí.

¿Qué conclusión se puede extraer si al graficar los valores de una variable de interés en una gráfica de probabilidad normal (GPN), se obtiene una línea más o menos recta?. La variable de interés no está normalmente distribuida. La variable de interés sigue una distribución normal. La variable de interés está sesgada. La variable de interés tiene una alta curtosis.

¿Qué es la autocorrelación en el contexto de un modelo de regresión?. Variabilidad constante en el término de error. Correlación entre los términos de error en observaciones sucesivas de una serie temporal. Correlación entre la variable dependiente y una variable independiente. Relación entre dos variables cualitativas.

¿Qué es la multicolinealidad en un modelo de regresión?. La baja varianza de los coeficientes de regresión. La relación entre la variable dependiente y las independientes. La ausencia de relación entre las variables independientes. La alta correlación entre las variables independientes de un modelo.

¿Qué fenómeno describe el "efecto telaraña" en modelos de autocorrelación?. Un patrón donde la oferta de productos agrícolas responde a los precios con un rezago, creando ciclos. Un modelo donde la varianza de los errores es siempre constante. Un patrón de demanda que responde a los precios sin ningún rezago. Un fenómeno en el cual los errores son constantes a lo largo del tiempo.

¿Qué gráfica es útil para evaluar la homocedasticidad en los residuos de un modelo de regresión?. Histograma de los residuos. Correlograma de los residuos. Gráfico de los residuos frente a los valores predichos. Gráfico de valores observados contra valores predichos.

¿Qué hipótesis de trabajo se considera al suponer que la función de regresión poblacional (FRP) es lineal?. Que la variable dependiente es independiente de la variable independiente. Que la relación entre la media condicional de Y y X es no lineal. Que la función de regresión poblacional es una función constante. Que la media condicional de Y es una función lineal de X.

¿Qué implica la presencia de heterocedasticidad en un modelo de regresión?. Que las varianzas de los errores varían en función de los valores de la variable independiente. Que los errores se distribuyen normalmente. Que las varianzas de los errores son constantes en todos los niveles de la variable independiente. Que los errores son independientes entre sí.

¿Qué papel juega R² según la reflexión de Goldberger?. Garantiza que el modelo sea válido si su valor es alto. Es un requisito del Modelo Clásico de Regresión Lineal. Es solo una medida de la bondad del ajuste en los datos muestrales y tiene un rol modesto en la evaluación del modelo. Es fundamental para determinar la validez de un modelo de regresión.

¿Qué representa el coeficiente de confianza en la estimación por intervalos?. La probabilidad de que el intervalo de confianza contenga al valor verdadero del parámetro. La probabilidad de que el estimador puntual sea igual al valor verdadero del parámetro. La certeza de que el intervalo de confianza es siempre correcto. La probabilidad de que el estimador puntual sea incorrecto.

¿Qué representa el coeficiente de una variable dicotómica en un modelo de regresión estacional, cuando se utiliza una temporada como referencia?. El cambio estacional en relación con la temporada de referencia. La media de la variable dependiente para todas las temporadas. El valor absoluto de la variable dependiente en la temporada de referencia. La tendencia a largo plazo de la serie de tiempo.

¿Qué representa un modelo de regresión polinomial?. Un modelo de regresión que incluye una variable independiente elevada a diferentes potencias. Un modelo que solo incluye variables dependientes. Un modelo de regresión lineal que incluye solo variables independientes de primer grado. Un modelo en el cual todas las variables independientes están perfectamente correlacionadas.

¿Qué representan los valores esperados condicionales en el análisis de regresión?. Son los valores medios de la variable dependiente para diferentes niveles de la variable independiente. Son los valores absolutos de la variable independiente. Son los valores esperados de la variable dependiente sin tener en cuenta los valores de la variable independiente. Son los valores extremos de la variable independiente que influyen en la variable dependiente.

¿Qué se evalúa en las pruebas de hipótesis en econometría?. Si una observación es exacta. Si un hallazgo es completamente nuevo. Si un coeficiente estimado es consistente con una hipótesis planteada. Si se pueden hacer afirmaciones generales sin evidencia concreta.

¿Qué significa el intervalo de confianza (5.4.4) para σ² con un nivel de confianza del 95%? 0.4484 ≤ σ² ≤ 2.5760 (5.4.4). Hay un 95% de probabilidad de que el intervalo dado contenga al verdadero valor de σ². Hay un 5% de probabilidad de que el intervalo dado contenga al verdadero valor de σ². El intervalo de confianza para σ² es siempre correcto. La probabilidad de que el intervalo dado incluya a σ² es del 95%.

¿Qué significa la ecuación (5.3.9) en relación con el intervalo de confianza para β2 con un nivel de confianza del 95%?. En 95 de cada 100 casos, el intervalo dado contendrá al verdadero valor de β2. En 5 de cada 100 casos, el intervalo dado contendrá al verdadero valor de β2. El intervalo de confianza para β2 es siempre correcto. La probabilidad de que el intervalo dado incluya a β2 es del 95%.

¿Qué tipo de efectos pueden incluirse en un modelo de regresión al usar variables dicotómicas interactivas?. Efectos exclusivamente aditivos. Efectos de tendencia lineal. Efectos de interacción entre variables cualitativas para analizar su impacto conjunto. Efectos que siempre son estadísticamente significativos.

Según la teoría cuantitativa del dinero, ¿qué variable económica influye directamente en la inflación?. Exportaciones. PIB. Tipo de cambio. Oferta monetaria.