Intro.Econometria. Test. Parte 2

El supuesto de normalidad referido a los errores: a) Es necesario para que se cumplan las propiedades de insesgadez y eficiencia de los estimadores MCO. b) Es necesario para que el estimador MCO sea eficiente pero no para su insesgadez. c) Solo afecta a la distribución exacta de los estadísticos de contraste, pero no a las propiedades de los estimadores. d) Ninguna de las anteriores es correcta.

Si en una ecuación de salarios queremos recoger la influencia del hecho de estar afiliado a un sindicato: a) Solo puede incluirse una variable dummy más el término independiente junto con el resto de variables explicativas. b) Pueden incluirse dos variables dummy si se excluye el término independiente. c) Deben incluirse dos variables dummy más el término independiente. d) Ninguna de las anteriores es correcta.

El coeficiente de determinación de un modelo de regresión: a) Es uno menos el cociente entre la varianza residual y la varianza total. b) Es el cociente entre la suma de los cuadrados explicada y la suma de los cuadrados total. c) Es siempre mayor o igual que el coeficiente de determinación corregido. d) Todas las respuestas anteriores son correctas.

Para contrastar si el modelo está correctamente especificado podemos emplear: a) El test de Davidson y McKinnon. b) E test de Jarque Bera. c) El test de Mizon y Richard. d) El Reset test de Ramsey.

Considere que, tras estimar un modelo de regresión, se desea efectuar un pronóstico para el valor de E(Y) correspondiente a unos valores determinados de las variables explicativas, que denominamos X0. La expresión 𝜎𝜀2𝑿0𝑇(𝑿𝑇𝑿)−1𝑿0: a) Es la varianza de 𝐘0. b) Es la varianza de 𝛆0. c) Es la expresión del estimador robusto a la heterocedasticidad. d) Ninguna de las anteriores es correcta.

Si en un modelo de regresión hay variables irrelevantes: a) Ninguna de las características del modelo resulta afectada. b) Los estimadores MCO no serán insesgados. c) En general los estimadores MCO no serán eficientes. d) Ninguna de las anteriores.

El estimador HAC es un procedimiento: a) Que proporciona estimadores robustos a la heterocedasticidad y la autocorrelación serial. b) Corrige la multicolinealidad en un modelo de regresión múltiple. c) Permite verificar si los residuos de una ecuación de regresión se distribuyen de forma normal. d) Ninguna de las anteriores es correcta.

Un modelo donde hay causalidad simultánea: a) Incluye uno o varios retardos de la variable endógena. b) Es un modelo construido para tener en cuenta la autocorrelación serial de las perturbaciones. c) Incumple la condición de exogeneidad. d) Las perturbaciones no pueden ser homocedásticas.

Suponga que el verdadero modelo fuese 𝑌𝑖= 𝛼+𝛽𝑋𝑖+𝛿𝑍𝑖+𝑢𝑖 pero se estima 𝑌𝑖= 𝛼+𝛿𝑍𝑖+𝑢𝑖. Entonces,. a) El estimador MCO de δ será sesgado e inconsistente. b) El estimador MCO de δ será sesgado e inconsistente excepto cuando hay correlación nula entre X y Z. c) El estimador MCO de δ será sesgado pero consistente. d) El estimador MCO de δ será insesgado pero no eficiente.

Sea el modelo de regresión simple 𝑌𝑖= 𝛼+𝛽𝑋𝑖+𝜀𝑖 en el que se cumplen todos los supuestos. La distribución del estadístico (𝜎𝜀2)−1Σ𝜀̂𝑖2 será: a) N(0, 1). b) N(0, σε2). c) χ2(n−2). d) Fk-1, n-k-1.

El coeficiente de determinación corregido, 𝑅2, se diferencia del coeficiente de determinación general 𝑅𝑅2en que: a) El primero mide el ajuste del modelo, el segundo su bondad. b) El primero está corregido por los grados de libertad. c) El primero es siempre mayor que el segundo. d) No hay ninguna diferencia.

Diga cuál de las siguientes afirmaciones es correcta: a) El estadístico de Durbin y Watson es aproximadamente igual a 1−𝜌, siendo 𝜌=𝑐ov(𝑢𝑡,𝑢𝑡−1). b) El estadístico de Durbin y Watson es aproximadamente igual a 1−𝜌, siendo 𝜌 el coeficiente de autocorrelación de primer orden de los residuos. c) El estadístico de Durbin y Watson es aproximadamente igual a 2(1−𝜌), siendo 𝜌 el coeficiente de autocorrelación de primer orden de los residuos. d) Ninguna de las anteriores.

En presencia de heterocedasticidad: a) Los estimadores MCO no son eficientes. b) Puede emplearse el estimador robusto de Newey West para evitar el problema. c) Podemos estimar el modelo utilizando el método de Mínimos Cuadrados Ponderados. d) Todas las anteriores son correctas.

Considere el modelo de regresión múltiple expresado en notación matricial. La expresión 𝜎𝜀2(1+𝑿0𝑇(𝑿𝑇𝑿)−1𝑿0): a) Es la expresión del estimador robusto a la heterocedasticidad y autocorrelación de Newey West. b) Es la varianza 𝜀̂𝑖0. c) Si se le suma 𝜎𝜀2 es la varianza de 𝜀̂𝑖. d) Ninguna de las anteriores es correcta.

Indique cuál de los siguientes no es test de homocedasticidad: a) La prueba de White. b) La prueba de Breusch Pagan. c) La prueba de Mizon y Richard. d) Ninguna de ellas es una prueba de homocedasticidad.

El análisis de la tasa de paro correspondiente al mes de febrero de 2010 en las provincias españolas, es un ejemplo datos de: a) Series temporales. b) Panel. c) Sección cruzada. d) Experimentales.

Un estimador es,. a) Una variable aleatoria. b) Un cantidad no aleatoria. c) Eficiente si su valor coincide con el valor del parámetro poblacional. d) Ninguna de las anteriores.

Un estimador ŝ de un valor poblacional s, es insesgado si: a) ŝ = s. b) ŝ converge en probabilidad a s. c) E(ŝ) = s. d) Ninguna de las anteriores es correcta.

Suponga que el estimador de la pendiente en un modelo de regresión lineal simple es 0. Entonces,. a) R2 < 𝑅𝑅􀴤2. b) 0 < R2 < 1. c) R2 = 0. d) R2 > SCR/SCT.

El Criterio de Información de Akaike: a) Es un estadístico para contrastar la significatividad global del modelo. b) Es un estadístico que se emplea para elegir entre modelos alternativos cuando la variable dependiente es diferente. c) Es un estadístico para elegir entre modelos alternativos cuando la variable dependiente es la misma. d) Es un estadístico alternativo a 𝑅2 en el que la penalización por incluir variables explicativas adicionales es menor.