econometria tema 5

2. Entre las características de los modelos de elección discreta binarios, se encuentra que: a. En el modelo lineal de probabilidad, las perturbaciones aleatorias siguen una distribución de probabilidad normal. b. En el modelo Logit, el método de estimación más adecuado es el de máxima verosimilitud. c. En el modelo Probit, los parámetros miden el efecto marginal de las variables explicativas sobre el logaritmo neperiano de la razón de probabilidad a favor de la alternativa 1.

3. Entre las características de los modelos de elección discreta binarios, se encuentra que: a. En el modelo lineal de probabilidad, las perturbaciones aleatorias son homocedasticas. b. En el modelo Logit, el método de estimación más adecuado es el de máxima verosimilitud. c. En el modelo Probit se basa en la función logística como función de distribución de probabilidad.

1. Entre las características de los modelos de elección discreta binarios, se encuentra que. En el modelo lineal de probabilidad, las perturbaciones aleatorias siguen una distribución de probabilidad binomial. En el modelo Logit, el metido de estimación más adecuado es el MCO. c. En el modelo Probit, los parámetros miden el efecto marginal de las variables explicativas sobre el logaritmo neperiano de la razón de probabilidad a favor de la alternativa 1.

4. El modelo Probit supone una: a. La función de distribución acumulada normal. b. La función de distribución acumulada logística. c. La función de distribución acumulada binomial.

5. En un modelo lineal de probabilidad: a. Las perturbaciones son normales. b. Las perturbaciones están acotadas. c. Las perturbaciones son heterocedasticas.

6. En cuanto al termino de error, el modelo de probabilidad lineal tiene dos problemas: la no normalidad y…. a. Multicolinealidad. b. Heterocedasticidad. c. Autocorrelación.

7. En un modelo lineal de probabilidad: a. Las perturbaciones no son de Bernoulli (binomial). b. Las estimaciones están acotadas. c. Los parámetros miden el efecto, en términos de probabilidad de elección de la alternativa estudiada, de un cambio unitario en cada una de las variables explicativas.

8. En el modelo Logit, el logaritmo de la razón de probabilidades a favor de la ocurrencia del suceso considerado toma valores: a. Entre 0 y 1. b. Estrictamente positivos. c. Entre -∞ y +∞.

9. El Probit toma valores: a. Entre 0 y 1. b. Entre -∞ y +∞. c. Estrictamente mayores que 1.

10. El modelo Probit verifica que: a. Como es un modelo de probabilidad, sus coeficientes de regresión estimados son siempre positivos. b. Sus variables explicativas pueden adoptar cualquier valor. c. Como es un modelo de probabilidad, sus coeficientes de regresión estimados se mueven siempre en el rango de valores que va de 0 a 1.

11. El modelo Logit verifica que: a. Sus variables explicativas pueden adoptar cualquier valor. b. Se construye a partir de un modelo de regresión log-log. c. Se basa en la distribución lógica de probabilidad.

12. La significatividad individual de cada una de las k variables explicativas de un modelo lineal de probabilidad aplicado sobre un modelo binario de probabilidad. a. Normal (0, 1). b. T de Student con n-k grados de libertad. c. Chi-cuadrado con k grados de libertad.

13. La significatividad individual de cada una de las k variables explicativas de un modelo Probit aplicado sobre una muestra de tamaño n, se puede estudiar a través de un estadístico que sigue una distribución de probabilidad: a. Chi-cuadrado con n grados de libertad. b. F de Fisher-Snedecor con n y k-1 grados de libertad. c. Normal (0, 1).

14. En un modelo Logit o Probit, los contrastes de hipótesis: a. No se resuelven asintóticamente. b. Se trabaja con la t-Student. c. Se trabaja con la normal.

15. La significatividad individual de cada una de las k variables explicativas de un modelo Logit aplicado sobre una muestra de tamaño n, se puede estudiar a través de un estadístico que sigue una distribución de probabilidad: a. Chi-cuadrado con n grados de libertad. b. T de Student con n-k grados de libertad. c. Normal (0, 1).

16. En un modelo Logit o Probit, se aplica el metido de estimación: a. MCO. b. MC bietapicos. c. MV.

17. En un modelo Logit o Probit, los contrastes de hipótesis: a. Se resuelven asintóticamente. b. No se resuelven asintóticamente. c. Se trabaja con la t-Student.

18. Si se compara la bondad de ajuste de un modelo Logit y un modelo Probit con las mismas variables dependiente e independiente, resulta que: a. Según el estadístico de Hannan-Quinn, tendrá mejor ajuste el modelo que presente un mayor valor para dicho estadístico. b. Según el estadístico de Akaike, tendrá mejor ajuste el modelo que presente un menor valor para dicho estadístico. c. Los modelos serán significativos si el 𝑅2 de Mcfadden alcanza un valor mayor que el nivel de significación considerado.

19. Si se compara la bondad de ajuste de un modelo Logit y un modelo Probit con las mismas variables dependiente e independiente, resulta que: a. Los modelos serán significativos si el 𝑅2 de Mcfadden alcanza un valor mayor que el nivel de significación considerado. b. Según el estadístico de Hannan-Quinn, tendrá mejor ajuste el modelo que presente un mayor valor para dicho estadístico. c. Según el estadístico de Schwarz, tendrá peor ajuste el modelo que presente un mayor valor para dicho estadístico.

20. Si se compara la bondad de ajuste de un modelo Logit y un modelo Probit con las mismas variables dependiente e independiente, resulta que: a. Tendrá peor ajuste el modelo que presente un menor valor del estadístico de Schwarz. b. Será más significativo el modelo que presente un menor valor del 𝑅2 de Mcfadden. c. Tendrá peor ajuste el modelo que presente un mayor valor del estadístico de Akaike.

21. En un modelo Logit o Probit, la bondad del ajuste mide: a. Con el coeficiente de determinación convencional. b. Con el coeficiente de determinación corregido o ajustado. c. Con el coeficiente de determinación de Mcfadden.

22. Si evaluamos la bondad del ajuste de distintos modelos de elección discreta binarios, resulta que: a. Será mejor aquel cuyo estadístico de Schwarz presente un mayor valor. b. Será mejor aquel cuyo estadístico de Pseudo 𝑅2 presente un menor valor. c. Será mejor aquel cuy estadístico de Hannan-Quinn presente un menor valor.

23. Se desea analizar la probabilidad de que un trabajador tenga un puesto de responsabilidad es su empresa, en función de su antigüedad en la misma (ANTI, en un mes). Para ello, se estiman varios modelos de elección discreta binaria, en concreto: un modelo lineal de probabilidad (MLP), un modelo Logit y un modelo Probit. Las estimaciones del coeficiente de ANTI que se obtiene en cada caso son: 0,018080; 0,084089 y 0,050841, respectivamente. A partir de estos datos y en relación con la probabilidad de que un trabajador tenga un puesto de responsabilidad, se puede afirmar que: a. Según el MPL, dicha probabilidad aumentará 0,018080% por cada mes adicional de antigüedad del trabajador en la empresa. b. Según el modelo Logit, dicha probabilidad aumentará 8,4089% por cada mes adicional de antigüedad del trabajador en la empresa. c. Según el modelo Probit, dicha probabilidad aumentará a medida que lo haga la antigüedad del trabajador en la empresa.

24. Se desea analizar la probabilidad de que un trabajador pertenezca a un sector público, en función del número de personas que componen su hogar (TAMAHOG). Para ello se estiman varios modelos de elección discreta binaria, en concreto: un modelo lineal de probabilidad (MLP), un modelo Logit y un modelo Probit. Las estimaciones del coeficiente del TAMAHOG que se han obtenido en cada caso son: -0,025175; -0,134192 y -0,078971, respectivamente. A partir de estos datos y en relación con la probabilidad de que un trabajador pertenezca al Sector Público, se puede afirmar que: a. Según el modelo Logit, dicha probabilidad disminuirá 13,4192% por cada miembro adicional que tenga el hogar del trabajador. b. según el modelo Probit dicha probabilidad disminuirá 0,078971% por cada miembro adicional que tenga el hogar del trabajador. c. Según el MLP, dicha probabilidad disminuirá 2,5175% por cada miembro adicional que tenga el hogar del trabajador.

25. Se desea analizar la probabilidad de que un agricultor asegure su próxima cosecha, en función binaria, en concreto, un modelo lineal de probabilidad (MLP), un modelo Logit y un modelo Probit. Las estimaciones de coeficiente de EDAD que se obtiene en cada caso son: 0,001332; 0,012367 y 0,010811, respectivamente. A partir de estos datos y en relación con la probabilidad de que el agricultor asegure su cosecha, se puede afirmar que: a. Según el modelo Logit, la probabilidad de que el agricultor asegure su cosecha aumentara 1,0811% por cada año adicional de edad del agricultor. b. Según el modelo Probit la edad del agricultor influye de manera directa en que este asegure su coscha, pero a priori no se puede cuantificar en términos de probabilidad. c. Según el MLP, la probabilidad de que el agricultor asegure su cosecha aumentara 0,001332% por cada año adicional del agricultor.

26. Se desea analizar la probabilidad de que un trabajador asalariado tenga un contrato indefinido, en función de su experiencia en el modelo laboral (EXPER, en años). Para ello, se estiman varios modelos de elección discreta binaria, en concreto: un modelo lineal de probabilidad (MLP), un modelo Logit y un modelo Probit. Las estimaciones de coeficiente de EXPER que se obtienen en cada caso son: 0,003562; 0,059721 y 0,052836, respectivamente. a. Según el MPL, dicha probabilidad aumentara 0,003562% por cada año adicional de experiencia laboral del trabajador. b. Según el modelo Probit, dicha probabilidad aumentará 5,2836% por cada año Misional de experiencia laboral del trabajador. c. Según el modelo Logit ducha probabilidad aumentará conforme aumente la experiencia laboral si trabajador.

27. Se desea analizar la probabilidad de que una persona trabaje en el sector servicios en función de la existencia de subvenciones concedidas al sector industrial (SUBVIND, que toma el valor 1 si existen subvenciones y 0 en caso contrario). Para ello, se estiman varios modelos de elección discreta binaria, en concreto: un modelo lineal de probabilidad (MLP), un modelo Logit y un modelo Probit. Las estimaciones de coeficiente de SUBVIND que se obtienen en cada caso son: -0,023245; -0,123567 y -0,099453, respectivamente. A partir de estos datos y en relación a la probabilidad de que una persona trabaje en el sector servicios, se puede afirmar que: a. Según el modelo Probit, dicha probabilidad disminuirá 0,099453% si existen subvenciones al sector industria. b. Según el modelo Logit, dicha probabilidad disminuirá 12,3567% si existen subvenciones al sector industria. c. Según el MLP, dicha probabilidad disminuirá 2,3245% si existen subvenciones al sector industria.

28. Se desea analizar la probabilidad de que un conductor sufra siniestros, en función de su edad (EDAD EN AÑOS). Para ello, se estiman varios modelos de elección discreta binaria, en concreto: un modelo lineal de probabilidad (MLP), un modelo Logit y un modelo Probit. Las estimaciones de coeficiente EDAD que se obtienen en cada caso son: 0,001997; 0,011728 y 0,006874, respectivamente. A partir de estos datos y en relación con la probabilidad de que el asegurado sufra algún siniestro, se puede afirmar que: a. Según el MLP, dicha probabilidad aumentara 0,1997% por cada año adicional del asegurado. b. Según el modelo Logit, dicha probabilidad aumentara 0,011728% por cada año adicional del asegurado. c. Según el modelo Probit, dicha probabilidad aumentara 0.6874% por cada año adicional del asegurado.

29. Se desea analizar la probabilidad de que un trabajador asalariado tenga un contrato indefinido en función de su edad (EDAD, en años). Para ello, se estiman varios modelos de elección discreta binaria, en concreto: un modelo lineal de probabilidad (MLP), un modelo Logit y un modelo Probit. Las estimaciones de coeficiente EDAD que se obtienen en cada caso son: -0,000499; -0,000569 y -0,001816, respectivamente. A partir de estos datos y en relación con la probabilidad de que un trabajador tenga un contrato indefinido se puede afirmar que: a. Según el modelo Logit dicha probabilidad disminuirá conforme aumente la edad del trabajador. b. Según el modelo Probit dicha probabilidad disminuirá 0,1816% por cada año adicional del trabajador. c. Según el MLP ducha probabilidad disminuirá 0,000499% por cada año adicional del trabajador.