Econometría primer parcial

Para comparar modelos estimados con la misma variable dependiente, el mismo tamaño muestral, pero con distinto número de variables explicativas: Podemos utilizar indistintamente el coeficiente de determinación y el coeficiente de determinación ajustado. Necesitamos el coeficiente de determinación ajustado. Con el coeficiente de determinación es suficiente.

Señale la afirmación correcta: El teorema de Gauss- Markov dice que si se cumplen los supuestos de MCRL, los estimadores serán los mejores estimadores lineales. Si se cumplen los supuestos de MCRL puede que no se cumplan el teorema de Gauss-Markov. Si se cumplen los supuesto del MCRL, se cumple el teorema de Gauss-Markov siempre.

Si la SCT=690 y el coeficiente de determinación es 0.9, la SCE será: 621. 540. 708.

La expresión SCR/(n-k) es: Una estimación insesgada de la varianza de las perturbaciones aleatorias. Una estimación sesgada de la varianza de las perturbaciones aleatorias. Una estimación insesgada de la varianza de los residuos.

En un modelo con dos regresores, indique cual de las opciones que se plantea se corresponde con el valor estimado de los coeficientes de regresión, teniendo en cuenta la información siguiente: n=10, EX=249, EY=367, EYX=1238: Ninguna de las respuestas es correcta. B1=-34.6; B2=-0.6. B1=50.8; B2=10.32.

A partir de las ecuaciones normales se deduce: Que la Y’=Y. Que los estimadores serán MELI. El vector estimado de los parámetros de un modelo de regresión, pero no se pueden extraer propiedades sobre la FRM a partir de ellas.

Señale cual de las siguientes afirmaciones es correcta: El análisis de regresión es igual al de correlación. El análisis de regresión pretende conocer la dependencia estadística entre variable y no la dependencia funcional o determinista entre ellas. El análisis de regresión tiene como objetivo estimar y/o predecir la media o valor promedio poblacional del término de perturbación aleatoria.

Si en un modelo de regresión se cumple que E(u’u)=S2i . I, siendo ''S2i'' la varianza del término de perturbación aleatoria diferente para cada observación i e I la matriz identidad, se puede afirmar que: El termino de perturbaciones aleatorias es homocedastico, pero no presenta autocorrelación. Ninguna es correcta. El termino de perturbación aleatoria es heterocedástico pero puede presentar autocorrelación.

Cuanto menor sea la varianza de un estimador: Menos insesgado será. Mas preciso será. Más impreciso será.

En un modelo con dos regresores, indique cual de las dos opciones que se plantean se corresponde con el valor estimado de los coeficientes de regresión, teniendo en cuenta la información siguiente: n=5; EX=9; EX2=105; EY=8; EYX=33. B1=0.8; B2= 6.32. B1=1.22; B2= 0.2. B1=5.39; B2= 0.75.

Dada la siguiente función de regresión relativa a una muestra de familias de una región: Consumo=30+85·Ingreso. Estando la variable consumo expresada en euros y la variable Ingreso en cientos de euros. Señale la afirmación correcta: Si aumentan los ingresos de las familias en 100€, su promedio de consumo se incrementará en 85€. Si aumentan los ingresos de las familias en 1€, su promedio de consumo se incrementará en 85€. Si aumentan los ingresos de las familias en 1€, su promedio de consumo se incrementará en 85 cientos de euros.

Un estimador Sesgado: Su media no es el verdadero parámetro poblacional. Su media es el verdadero parámetro poblacional. Tendrá una varianza muy elevada.

Si la varianza de las perturbaciones aleatorias es constante: No se cumple el supuesto de homocedasticidad. Los estimadores mínimo-cuadráticos serán eficientes. Se cumple el supuesto de homocedasticidad.

Un estimador de mínima varianza será: Ninguna es correcta. Necesariamente sesgado. El mas preciso que podamos obtener.

Si SCR=69 y SCE=621, el coeficiente de determinación R2 será: 0.90. 0.80. 0.75.

Si al estimar un modelo econométrico con dos regresores (k=2) el valor de B1 -intercepto o constante estimada-, toma un valor negativo significa que: La pendiente del modelo es negativa. El valor esperado de la variable dependiente es negativo cuando se mantiene constante el valor de la variable explicativa. El valor promedio de la variable dependiente es negativo cuando la variable explicativa toma un valor de cero.

Se pretende analizar si a la capacidad explicativa del modelo de regresión estimada con una muestra de 20 observaciones como el siguiente: Y=B1+B”X+B3X+B4X+u; con R=0.9. Se reduce por el hecho de eliminar las variables explicativas X2 y X4 simultáneamente para un nivel de significación de 5%. El nuevo modelo presenta una R=0.5: a=5% con F=32, aconsejamos incluir las dos variables. a=5% con F=32, aconsejamos eliminar las dos variables. Ninguna de las dos opciones es correcta.

Cual de las siguientes afirmaciones es correcta: En un contraste no se rechaza H0 si el p-valor es menor que el nivel de significación (α). En un contraste se rechaza H0 si el p-valor es mayor que el nivel de significación (α). En un contraste no se rechaza H0 si el p-valor es mayor que el nivel de significación (α).

El p-valor es: El nivel de significación a partir del cuál no se rechaza H0. El nivel de significación a partir del cuál se rechaza H0. Ninguna de las anteriores es correcta.

La potencia de un contraste (o seguridad que nos da un contraste) de hipótesis es: Es la posibilidad de no rechazar H0 si es falsa. Es la posibilidad de rechazar la H0 si es falsa. Coincide con el nivel de confianza al que se ha realizado el test.

Indique que afirmación es incorrecta: Ninguna es correcta. Si p-valor < a, se rechaza la hipótesis nula. Si p-valor > a, no se rechaza la hipótesis nula.

Un intervalo de confianza será: Más grande a medida que aumenta el nivel de significación. Ninguna de las anteriores es correcta. Mas pequeño a medida que disminuye el nivel de confianza.

De los intervalos de predicción individual para la variable Y solo uno es el correcto para un nivel de confianza del 95% y para X20=60 teniendo en cuenta la siguiente información, indique de cual se trata: P(4.07;7.69) = 0.95. P(3.52;8.53) = 0.95. P(5.21;6.98) = 0.95.

Hay una circunstancia que hace que un test de significación individual y el de conjunta sean equivalentes: Cuando k=2. Cuando TOL es menor de 0'1. Cuando R^2 está por encima de 0'9.

La relación t(a/2)=Fa se cumple si: El numero de coeficientes de la regresión es 2. Si k es igual a uno. Si el modelo tiene solo una variable explicada.

En una prueba F realizada para contrastar la contribución incremental o marginal de una variable explicativa hemos de considerar dos modelos: el modelo restringido y el no restringido: El modelo restringido es el que verifica la hipótesis nula. El modelo con más variables explicativas será el restringido. Ninguna de las anteriores es correcta.

Un estadístico muy relevante que nos informa sobre la capacidad predictiva de un modelo es la U de theil. Podemos afirmar: Ninguna es correcta. Su intervalo es [0,1]. Se puede descomponer como suma de tres cantidades no negativas: Proporción de sesgo, proporción de la varianza y proporción de la covarianza.

Para establecer la regla de decisión en un contraste unilateral con una hipótesis alternativa de la forma H1:B1>o. El intervalo será (-Tn-k(α), +∞.). El intervalo será (-∞, Tn-k(∞)). El intervalo será (-Tn-k(α/2), Ta.).

Se ha estimado por MCO el siguiente modelo de regresión con una muestra de 10 observaciones, obteniéndose un valor para el parámetro estimado B”=0.075. La desviación típica estimada de este parámetro es 0.015 con un nivel de significación del 5%: Rechazamos H0 en el contraste: H0=0.095 | H1≠0.095. Rechazamos H0 en el contraste: H0=0.035 | H1≠0.035. La variable X2 no es significativa.

Calcule el coeficiente de determinación de un modelo obtenido a partir de los datos económicos y con los datos siguientes: B1=156; varianza de B1=48 B2=132; varianza de B2=121: No se puede obtener R con los datos disponibles. R^2 = 0'90. R^2 = 0'98.