METODOS Y MODELOS ECONOMÉTRICOS 2º PARTE

¿Cuál de estos métodos de estimación NO es utilizado para corrección del cambio estructural?. Utilización de variables ficticias para recoger el cambio estructural. Estimación mediante Switching Regression. Considerar a los parámetros estructurales como variables aleatorias y modelizar su comportamiento. Utilizar variables instrumentales para recoger el cambio estructural. Estimar un modelo para cada estructura.

¿En qué caso/s NO son fiables los contrastes de significación individual?. En un modelo con variables explicativas altamente correlacionadas entre sí. En un modelo en el que el término de error no se distribuye como una normal. Las dos respuestas anteriores son correctas. En un modelo con insuficientes grados de libertad. Todas las respuestas anteriores son correctas.

Las consideraciones en los estimadores MCO, ante una matriz de varianzas -covarianzas de las perturbaciones aleatorias ∑=𝜎2 Ω, donde ut = N (0,𝜎2,Ω), son: Los estimadores serán insesgados, inconsistentes y eficientes. Los estimadores serán insesgados, consistentes e ineficientes. Los estimadores serán sesgados, consistentes e ineficientes. Los estimadores serán sesgados, inconsistentes y eficientes. Ninguna de las respuestas anteriores es correcta.

Las consecuencias de la especificación de retardos en el modelo básico de regresión son: La aparición de regresores estocásticos. La presencia de autocorrelación en los residuos. La aparición de multicolinealidad. Todas las respuestas anteriores son correctas. Todas las respuestas anteriores son falsas.

Diga cuál de las siguientes afirmaciones relacionadas con el problema de las muestras pequeñas es correcta. Las muestras pequeñas originan un aumento en la varianza de los estimadores de mínimos cuadrados ordinarios, si bien los estimadores son insesgados. Las muestras pequeñas originan estimadores de mínimos cuadrados ordinarios sesgados per consistentes. Las muestras pequeñas originan estimadores de mínimos cuadrados ordinarios sesgados e inconsistentes. Las muestras pequeñas no tienen ninguna consecuencia sobre las propiedades de los estimadores de mínimos cuadrados ordinarios. Todas las respuestas anteriores son falsas.

El hecho de que un modelo econométrico tenga un vector de perturbaciones aleatorias no correlacionadas implica que: La matriz de varianzas y covarianzas del vector de perturbaciones tiene todos los elementos que no pertenecen a la diagonal principal no-nulos. La matriz de varianzas y covarianzas del vector de perturbaciones tiene todos los elementos que no pertenecen a la diagonal principal. La matriz de varianzas y covarianzas del vector de perturbaciones tiene algunos de los elementos que no pertenecen a la diagonal principal nulos. La matriz de varianzas y covarianzas del vector de perturbaciones tiene algunos de los elementos que pertenecen a la diagonal principal no-nulos. Todas las respuestas anteriores son incorrectas.

Las relaciones dinámicas en la economía se pueden explicar por: Un desplazamiento en el tiempo de los efectos de una decisión. Decisiones basadas en la anticipación a acontecimientos futuros. Un efecto “memorias” y hábitos. Efectos de una decisión en el mismo periodo en siguientes periodos. Todas las respuestas anteriores son correctas.

Dado el modelo econométrico y = β0 + β1X1 + β2X2 + n, para el que contratamos la heterocedasticidad en con el test de Goldfeld y Quandt, podemos afirmar que. Debemos ordenar la variable X1 de menor a mayor y en función de ella ordenar los residuos del modelo para poder calcular ese contraste para un esquema donde 𝜎 12 = 𝑓 ( 𝑋 1 1 , 𝑋 1 2 ). Este test se distribuye como una 𝑿𝟏 donde n es el número de observaciones del 𝒏=𝟏 modelo y k el número de parámetros a estimar en el esquema de heterocedasticidad. Debemos calcular las sumas residuales del modelo inicial y de los modelos con las dos submuestras (antes y después del cambio estructural). El esquema de heterocedasticidad que se contrasta es (fórmula difícil de poner). Todas las respuestas anteriores son falsas.

Las circunstancias que obligan la modelización multiecuacional de un fenómeno económico pueden ser: Las limitaciones de los modelos uniecuacionales. La necesidad de endogeneizar alguna variable explicativa. La complejidad de la variable a analizar y/o del fenómeno a analizar. Todas las respuestas anteriores son correctas. Solo son correctas la primera y tercera.

¿Qué matriz de trasformación de los datos P corregirá la heterocedasticidad en un modelo en el que la perturbación aleatoria muestran ausencia de autocorrelación y un comportamiento en la varianza de tipo: 𝜎𝑡2 = 𝜎2(𝑎 + 𝑏𝑋2 + 𝜀𝑡)2, con 𝜀𝑡 perturbación 𝑡 aleatoria tal blanco?. Aquella que tiene los elementos distintos a la diagonal principal nulos y los elementos de la diagonal principal del tipo 𝒑 = 𝟏 𝒊𝒋 𝟏 𝒂+𝒃𝑿𝟐. Aquella que tiene los elementos distintos a la diagonal principal nulos y los elementos de la diagonal principal del tipo 𝑝 = 1 𝑖𝑗 11 (𝑎+𝑏𝑋2 )2 𝑖𝑗. Aquella que tiene los elementos distintos a la diagonal principal nulos y los elementos 1 de la diagonal principal del tipo 𝑝𝑖𝑗 = 1 √𝑎+𝑏𝑋2 𝑖𝑗. Aquella que tiene los elementos distintos a la diagonal principal nulos y los elementos de la diagonal principal del tipo 𝑝𝑖𝑗 = 1 𝑎+𝑏𝑋𝑖𝑗. Todas las respuestas son correctas.

¿Cuál de las siguientes circunstancias puede provocar sesgos en el estimador MCO?. Multicolinealidad exacta. Multicolinealidad aproximada. Omisión de variables relevantes. Regresores ortogonales.

Suponga que el término de perturbación 𝜀𝑡 de la ecuación de regresión y = Xβ+ 𝜀𝑡 posee una distribución Gamma con media 𝜆𝛿 (producto de dos constantes), varianza constante (homocedástica) y no autocorrelación y las variables explicativas X son no estocásticas. Señale cuál de las siguientes afirmaciones es correcta. El estimador MCO es ELIO (Estimador Lineal Insesgado Óptimo). No se puede calcular el estimador MCO. El estimador MCO no tiene por qué ser ELIO. Ninguna respuesta es correcta.

En un MBRL, la existencia de muestras pequeñas puede estar relacionado con: Estimadores inconsistentes. Una mayor varianza residual. Las dos respuestas anteriores son correctas. Un modelo con pocas variables explicativas. Un modelo con cambio estructural.

Para resolver un problema de cambio estructural: Se deben eliminar las variables que provocan el problema. Se vuelve a especificar el modelo con las variables en logaritmos. Se debe incluir una variable proxy. Se vuelve a especificar el modelo con las variables en primeras diferencias. Ninguna de las respuestas anteriores es válida.

Considere el siguiente modelo que explica las ventas de las empresas en función de sus gastos en publicidad y de su tamaño: log (VTAS)=𝛽1 + 𝛽2 log(𝑃𝑈𝐵𝐿𝐼) + 𝛽3PYME + 𝛽4𝑃𝑌𝑀𝐸 ∗ log(𝑃𝑈𝐵𝐿𝐼) + 𝑢, donde VTAS representa el volumen de ventas de las empresas, PUBLI representa los gastos realizados en publicidad y PYME es una variable binaria que toma el valor 1 para pequeñas y medianas empresas (pyme) y 0 para empresas grandes. Se quiere contrastar si el efecto en publicidad sobre las ventas es el mismo para pymes que para grandes empresas. Indique la hipótesis nula adecuada para llevar a cabo el contraste: 𝛽3=0. 𝛽3=0𝑦𝛽4=0. 𝛽4=0. 𝛽3+𝛽4−𝛽1=0.

El problema de omisión de variables relevantes en un modelo econométrico: Está relacionado con el problema de cambio estructural. Está relacionado con el problema de multicolinealidad. Está relacionado con la forma funcional del modelo. Está relacionado con el problema de regresores estocásticos. Todas las respuestas anteriores son correctas.

Sea el siguiente modelo de regresión lineal Y=Xβ+U donde Xi (endógena desplazada) está correlacionada con el término de error. Sea Z un posible instrumento para X. ¿Qué condiciones debe cumplir Z para ser un instrumento válido?. Cov(Zi,Xi) = 0 y Cov(Zi,ui) ≠ 0. Cov(Zi,Xi) = 0 y Cov (Zi,ui) = 0. Cov(Zi,Xi) ≠ 0 y Cov(Zi,ui) ≠ 0. Cov(Zi,Xi) ≠ 0 y Cov(Zi,ui) = 0.

En un proceso estocástico MA(¡): Zt=ut-𝜃𝑢𝑡−1 donde ut= N(0, σ2I): El correlograma parcial presentará un único valor distinto de cero. 𝛾1 = 𝐸[𝑍𝑡𝑍𝑡−1] = −𝜃𝜎𝑢2. 𝛾2 = 𝐸[𝑍𝑡𝑍𝑡−1] = −𝜃𝜎𝑢0. Son correctas las respuestas primera y tercera. Son correctas las respuestas primera y tercera.

Suponga un modelo de regresión lineal con errores heterocedásticos y considere el estimador de MCG (Mínimos Cuadrados Generalizados). Señale cuál de las siguientes afirmaciones es correcta. Ninguna respuesta es correcta. El estimador MCG es el estimador MCO en un modelo transformado en el que los errores satisfacen las condiciones de Gauss-Markov. El estimador MCG no puede obtenerse si hay regresores binarios puesto que algunas transformaciones suponen dividir por uno de los regresores. El estimador MCG coincide con el estimador MCO. La única diferencia entre ambos está en los errores estándar.

El contraste de Breusch-Godfrey sirve para: Descartar el problema de heterocedasticidad de las perturbaciones aleatorias del modelo siempre que se acepte la hipótesis nula. Descartar el problema de heterocedasticidad de las perturbaciones aleatorias del modelo siempre que se rechace la hipótesis nula. Contrastar la hipótesis de normalidad de las perturbaciones aleatorias de un modelo econométrico. Comprobar si el modelo econométrico es lineal. Ninguna respuesta es correcta.

Para corregir un problema de autocorrelación del tipo 𝑢𝑡 = 𝜌𝑢𝑡−1 + 𝜀𝑡, se puede_. Transformar todas las variables del modelo utilizando el parámetro β. Estimar regresores auxiliares para determinar las variables explicativas más correlacionadas. Re-estimar el modelo suprimiendo las variables explicativas que están correlacionadas. Transformar el modelo dividiendo todas las variables por la más correlacionada. Son correctas las respuestas segunda y tercera.

Indique cuál de las siguientes herramientas NO utilizaría para detectar la presencia de autocorrelación en un modelo econométrico: El contraste de Ljung-Box. El contraste de Breusch-Pagan. El contrste de Box-Pierce. Los correlogramas total y parcial de los residuos del modelo estimado. Todas las herramientas para detectar la presencia de autocorrelación.

Indique cuál/es de los siguientes métodos se pueden utilizar para solucionar un problema de heterocedasticidad en un modelo econométrico: La corrección de Cochrane-Orcutt. La eliminación de variables explicativas en el modelo. La transformación de todas las variables del modelo tomando logaritmos. La estimación del modelo por MCG tras estimar el esquema E(ut) = ai. Son correctas las respuestas primera y cuarta.

En un MBRL, la existencia de muestras pequeñas puede estar relacionado con: Estimadores inconsistentes. Una mayor varianza residual. Las dos respuestas anteriores son correctas. Un modelo con pocas variables explicativas. Un modelo con cambio estructural.

El problema de omisión de variables relevantes en un modelo econométrico. Está relacionado con el problema de cambio estructural. Está relacionado con el problema de multicolinealidad. Está relacionado con la forma funcional del modelo. Está relacionado con el problema de regresores estocásticos. Todas las respuestas anteriores son correctas.

Dado un modelo econométrico que incluye un regresor estocástico en su especificación, podemos afirmar que: Los estimadores βMCO son consistentes. Los estimadores βMCO son inconsistentes. La consistencia de los estimadores βMCO dependerá de si adicionalmente el modelo presenta problemas de correlación entre sus variables explicativas. Los estimadores βMCO son sesgados. La eficiencia de los estimadores βMCO dependerá de si adicionalmente el modelo presenta problemas de heterocedasticidad.

Suponga un modelo de regresión lineal con errores heterocedásticos y considere el estimador de MCG. Señale cuál de las siguientes afirmaciones es correcta: Ninguna respuesta es correcta. El estimador MCG es el estimador MCO en un modelo transformado en el que los erores satisfacen las condiciones de Gauss-Markov. El estimador MCG no puede obtenerse si hay regresores binarios puesto que algunas transformaciones suponen dividir por uno de los regresores. El estimador MCG coincide con el estimador MCO. La única diferencia entre ambos está en los errores estándar.

¿Cuál de las siguientes circunstancias puede provocar sesgos en el estimador MCO?. Multicolinealidad exacta. Multicolinealidad aproximada. Omisión de variables relevantes. Regresores ortogonales.

Para resolver un problema de multicolinealidad perfecta: Se deben eliminar las variables que provocan el problema. Se vuelve a especificar el modelo con las variables en logaritmos. Se debe incluir una variable proxy. Se vuelve a especificar el modelo con las variables en primeras diferencias. Ninguna de las respuestas anteriores es válida.

Para resolver un problema de cambio estructural: Se deben eliminar las variables que provocan el problema. Se vuelve a especificar el modelo con las variables en logaritmos. Se debe incluir una variable proxy. Se vuelve a especificar el modelo con las variables en primeras diferencias. Ninguna de las respuestas anteriores es válida.

El problema de omisión de variables relevantes en un modelo econométrico: Está relacionado con el problema de cambio estructural. Está relacionado con el problema de multicolinealidad. Está relacionado con la forma funcional del modelo. Está relacionado con el problema de regresores estocásticos. Todas son correctas.

Suponga un modelo de regresión lineal con errores heterocedasticos y considere el estimador de MGC. Señale cuál de las siguientes afirmaciones es correcta: Ninguna de las respuestas es correcta. El estimador MCG es el estimador MCO es un modelo transformado en el que los errores satisfacen las condiciones de Gauss-Markov. El estimador MCG no puede obtenerse si hay regresores binarios puesto que algunas transformaciones suponen dividir por uno de los regresores. El estimador MCG coincide con el estimador MCO. La única diferencia entre ambos está en los errores estándar.

Dado el modelo econométrico uniecuacional y=XB+U, en el que se sabe que el orden de la matriz X es 58, podemos afirmar que: El orden de la matriz Y es 58x3. El orden de la matriz β es 1x3. El orden de la matriz u es 58x3. Los grados de libertad del modelo son 55. Todas son correctas.

Las hipótesis básicas definidas como estructurales referidas a la matriz X son: Hipótesis de los grados de libertad. Hipótesis de variables linealmente independientes. Hipótesis de variables deterministas. Todas las respuestas anteriores son correctas. Hipótesis de la permanencia estructural.

Los contrastes de las hipótesis básicas referidas a la perturbación aleatoria de un modelo estimado con datos anuales son: El test de Jarque-Bera para contrastar la normalidad. El test de Reset de Ramsey para contrastar la forma funcional. El test de Chow para contrastar la permanencia estructural. El test de Breusch-Godfrey para detectar la ausencia de autocorrelación. Las respuestas primera y cuarta son correctas.

Cuando el modelizador se enfrenta con un problema de muestras pequeñas ¿se puede afirmar que la esperanza del estimador se aproxima al valor del parámetro?. No, hay que utilizar MCG porque se corrige el problema del tamaño muestral. Si la muestra es pequeña no, pero si la muestra aumenta sí. No, porque tiene una mayor varianza. Si se utiliza MCO y los estimadores son insesgados, independientemente del tamaño muestral. Ninguna de las anteriores es correcta.

Un regresor estocástico en la especificación de un modelo econométrico, provoca en las propiedades de los estimadores: Si la matriz X es independiente del vector β y del vector u las propiedades de los estimadores no se verán afectadas. Si la matriz X es independiente del vector β y del vector Y, las propiedades de los estimadores no se verán afectadas. Si es perjudicial, si la matriz de datos de las variables explicativas X es independiente del vector de parámetros estructurales β y del vector de perturbaciones aleatorias u. Las propiedades de los estimadores siempre se verán afectadas por los regresores estocásticos. Son correctas las respuesta segunda y cuarta.

¿Cuál de los siguientes síntomas NO es propio de la existencia de multicolinealidad próxima o imperfecta en el modelo?. Coeficiente de determinación lineal corregido bajo. Estadísticos t de los contrastes de significación individuales bajos. Signos de los parámetros estimados contradictorios con la teoría económica subyacente. Coeficientes de correlación lineal entre algunas variables explicativas del modelo son elevadas. Todas las respuestas anteriores son falsas.

El contraste de Breusch-Godfrey sirve para: Descartar el problema de heterocedascidad de las perturbaciones aleatorias del modelo siempre que se acepte la hipótesis nula. Descartar el problema de heterocedasticidad de las perturbaciones aleatorias del modelo siempre que se rechace la hipótesis nula. Contrastar la hipótesis de normalidad de las perturbaciones aleatorias de un modelo econométrico. Comprobar si el modelo econométrico es lineal. Ninguna respuesta es correcta.

Para corregir un problema de autocorrelación del tipo ut= put-1+ Et, se puede: Transformar todas las variables del modelo utilizando el parámetro p. Estimar regresiones auxiliares para determinar las variables explicativas más correlacionadas. Re-estimar el modelo suprimiendo las variables explicativas que están correlacionadas. Transformar el modelo dividiendo todas las variables por la más correlacionada. Son correctas las respuestas segunda y tercera.

¿En qué casos NO son fiables los contrastes de significación individual?. En un modelo con variables explicativas altamente correlacionadas entre si. En un modelo en el que el término de error no se distribuye como una normal. Las dos respuestas anteriores son correctas. En un modelo con insuficientes grados de libertad. Todas las respuestas anteriores son correctas.

1.- Suponga que en el modelo de regresión Y = β0 + β1X + u existe heterocedasticidad. Entonces: A) No respondo a esta pregunta. B) Aplicar MCO con errores estándar robustos a heterocedasticidad es equivalente a aplicar MCP. C) Ninguna de las anteriores es correcta. D) Aplicar el método de Mínimos Cuadrados Ponderados (MCP) en el modelo original es equivalente a aplicar Mínimos Cuadrados Ordinarios (MCO) en el modelo que resulta de transformar el original para que σ^2 sea constante.

2.- En un modelo econométrico especificado como Yt = β0 + B1 Y t-1 + β2 X1t + Ut, cuya perturbación aleatoria sigue un esquema AR (1) podemos afirmar que: A) No respondo a esta pregunta. B) Los estimadores β MCO son asintóticamente insesgados. C) Los estimadores β MCO son sesgados, pero el estimador de variables instrumentales que utiliza la variable Yt-2 como instrumento de Yt-1 sí es insesgado. D) Los estimadores β MCO son consistentes. E) Los estimadores β MCO son inconsistentes, pero el estimador de variables instrumentales que utiliza la variable Yt-2 como instrumento de Yt-1 sí es consistente. F) Los estimadores β MCO son inconsistentes.

Parece claro que el sesgo en la estimación MCO de un parámetro depende de introducir o eliminar en la especificación otras variables más o menos relevantes. En este sentido, ¿cuál de estas situaciones se asocia con un mayor riesgo de sesgo?: A) Omitir una variable poco relevante y sin conexión con las incluidas. B) No respondo a esta pregunta. C) Omitir una variable muy relevante pero sin conexión con las incluidas. D) Omitir una variable poco relevante pero altamente relacionada con las incluidas. E) Omitir una variable muy relevante y altamente relacionada con las incluidas.

El método de variables instrumentales: A) Se puede emplear cuando el coeficiente de determinación no es un buen instrumento para medir la bondad del ajuste. B)No respondo a esta pregunta. C) Se emplea cuando hay exógenas retardadas en el segundo miembro de la ecuación de regresión. D) Se puede emplear como alternativa consistente a MCO cuando la endógena retardada aparece como explicativa en na ecuación de perturbaciones autocorrelacionadas. E) Se puede emplear para solucionar los problemas de multicolinealidad, empleando instrumentos de las exógenas correlacionadas.

Diga cuál de los siguientes síntomas es propio de la existencia de muestras pequeñas en el modelo. A) Distorsión e los resultados de los contrastes de significación. B) Intervalos de predicción demasiado amplios. C) Todas las respuestas son correctas. D) No respondo a esta pregunta. E) Incremento en la varianza de los estimadores de mínimos cuadrados ordinarios (MCO).

En relación con las hipótesis sobre el vector de perturbaciones U en el modelo lineal general Y = Xβ + U, indique cuál de las siguientes afirmaciones es CIERTA: A) El que la matriz de varianzas-covarianzas del estimador MCO de β sea igual σ^2 (X^t X)^-1 no tiene nada que ver con la hipótesis de que la var (U / X) = σ^2. B)El Teorema de Gauss-Markov no requiere la hipótesis de que U sigue una distribución Normal. C) La insesgadez del estimador MCO de B no requiere la hipótesis de que E(U / X) = 0. D) No respondo a esta pregunta.

Cuando en la matriz de varianzas-covarianzas de la perturbación aleatoria existen valores distintos de cero nos indica: A) Es un síntoma claro de presencia de autocorrelación y heterocedasticidad en el modelo. B) No respondo a esta pregunta. C) La presencia de heterocedasticidad en el modelo. D) Ninguna de las respuestas es correcta. E) La presencia de una media no nula. F) La presencia de autocorrelación en el modelo.

21.- El siguiente proceso: μt = 0,3μ(sub t-1) + §(sub t) – 0,3(sub t) §(sub t-1), donde § es ruido blanco: Seleccione una: A) No respondo a esta pregunta. B) Es un ARMA (1,1). C) Todas las respuestas son correctas. D) Todas las respuestas son falsas. E) Es ruido blanco.

El coeficiente de determinación corregido se diferencia del coeficiente de determinación general en que: a) Todas son falsas. b) Ambos coeficientes sirven para lo mismo. c) El corregido mide el ajuste del modelo y el general mide la bondad del mismo. d) El corregido solo nos permite comparar modelos con el mismo número de variables explicativas y el general nos sirve para comparar modelos con la misma variable endógena. E) El coeficiente de determinación corregido tiene en cuenta en su cálculo el número de variables y la muestra del modelo (grados de libertad).

En un MBRL, en el que se cumplen las hipótesis básicas, son estocásticos: Los parámetros estimados, las variables explicativas, la variable endógena y la suma residual. Los parámetros reales (teóricos), las perturbaciones aleatorias y la variable endógena. c) Todas son falsas. d) Las variables explicativas, los parámetros estimados y las perturbaciones aleatorias. e) Los parámetros estimados, los residuos, la variable endógena y las perturbaciones aleatorias.

Los regresores de un modelo econométrico uniecuacional: Los modelos uniecuacionales no incluyen regresores. Son siempre aleatorios. Son estocáticos, siempre se cumplen las hipótesis de un MBRL. Pueden ser, en ocasiones, aleatorios. Son siempre deterministas.

En el marco del MBRL, la expresión lim 𝐸(𝛽) = 𝛽$→&. Expresa genéricamente la propiedad de insesgadez de un estimador. Todas son falsas. Expresa la propiedad de consistencia solo para los estimadores insesgados. Expresa genéricamente la propiedad de consistencia del estimador.

En un modelo econométrico, se consideran variables predeterminadas. a) Únicamente las variables exógenas. b) Entre otras, las variables exógenas, excluida la variable asociada al término. c) independiente que, al no estar explicada en el modelo, no se considera una variable predeterminada. d) Entre otras, las variables endógenas referidas a un momento anterior en el tiempo.

El método de variables instrumentales: a) Se puede emplear cuando el coeficiente de determinación no es un buen instrumento para medir la bondad de ajuste. b) No respondo a esta pregunta. c) Se emplea cuando hay exógenas retardadas en el segundo miembro de la ecuación de regresión. d) Se puede emplear como alternativa consistente a MCO cuando la endógena retardada aparece como explicativa en la ecuación de perturbaciones auto correlacionadas. e) Se puede emplear para solucionar los problemas de multicolinealidad, empleando instrumentos de las exógenas correlacionadas.

Todas las respuestas anteriores son correctas. En un modelo econométrico como 𝑌 = 𝛽0 + 𝛽1𝑌 + 𝛽2𝑋1𝑡 + 𝑢𝑡, cuya .perturbación aleatoria sigue un esquema AR (1) podemos afirmar que: a) No respondo a esta pregunta. b) Los estimadores b MCO son asintóyicamente insesgados. c) Los estimadores b MCO son sesgados, pero el estimador de variables instrumentales que utiliza la variable Yt-2 como instrumento de Yt-1 si es insesgado. d) Los estimadores b MCO son consistentes. e) Los es>madores b MCO son sesgados, pero el estimador de variables instrumentales que u>liza la variable Yt-2 como instrumento de Yt-1 si es consistente. f) Los estimadores b MCO son inconsistentes.

Indique cuál/es de los siguientes métodos NO se pueden utilizar para solucionar un problema de heterocedasticidad en un modelo econométrico: La corrección de Cochrane-Orcutt. La eliminación de variables explicativas en el modelo. La transformación de todas las variables del modelo tomando logaritmos. La estimación del modelo por MCG tras estimar el esquema E(ut) = ai. Son correctas las respuestas primera y cuarta.

Dado el modelo econométrico Y-βX+U donde ut- N (0, 2Ω) con Ω≠I y si βmcoson los estimadores obtenidos por el método de MCO y βmcoson estimadores MCG. Indique cual de las siguientes respuestas es VERDADERA. a. E(βmco)=E(βmco)=β. b. Βmco=(x Ώ -1x)-1x Ώ -1y. c. Las dos respuestas anteriores son correctas. d.Var-Cov(βmco)=2(XX́ )-1. e. Var-Cov (βmco)= 2(X X́ )-1X Ώ X(X X́ )-1.

Dado el modelo econométrico Y=XB+U donde ut≈N(o, σ2 Ω), con Ω ≠I, y si βMCO son los estimadores obtenidos por el método MCO, y βMCG son los estimadores MCG. Indique cuál de las siguientes respuestas es correcta: a. Var-Cov(βMCO)=σ2(X’X)- 1. b. βMCG= (X’ Ω-1 X)-1 X’ Ω-1 Y. c. Var-Cov(βMCO)=σ2(X’ Ω-1 X)-1. d. Todas las respuestas anteriores son correctas. e. Las respuestas segunda y tercera son correctas.

Las consecuencias de la especificación de retardos en el modelo básico de regresión son: f. La aparición de regresores estocásticos. g. La presencia de autocorrelación en los residuos. h. La aparición de multicolinealidad. i. Todas las respuestas anteriores son correctas. j. Todas las respuestas anteriores son falsas.

El estimador de variables instrumentales. a) es sesgado en muestras pequeñas, pero consistente. b) su formula es (X’Z)-IZ’Y. c) se emplea únicamente en modelos estocásticos deterministas. d) ninguna de las anteriores.

Sabemos que el modelo de regresión Y=Bo +B1X + u presta un sesgo por omisión de variables relevantes. El signo de dicho sesgo dependerá de: a) Cov (X, u). b) Sxy. c) Bo. d) Ninguna de las respuestas anteriores es correcta.

Sea Z una variable aleatoria que se distribuye como una N (0,1) entonces la variable X=σ2z+μ2 se distribuye como una normal con media y varianza dadas por: a) N (μ2, σ2/(μ2)). b) N (μ2, σ2). c) N (μ2, σ4). d) N (μ2, 1).

Considere las dos regresiones siguientes, estimadas ambas por MCO: [M1] yi = B 0 + B 1 Xi + ûi y [M2] u = δ 0 + δ 1 Xi + α i (con i = 1,2,.....,10 en ambos casos). El R y la desviación típica residual MCO del modelo [M2] son 0.55 y 0.45, respectivamente. Por otro lado, la Prob [X ≤ 3.84] = 0.95 Considere las cuatro afirmaciones siguientes: a) Afirmaciones CIERTAS: 1 y 2. Afirmaciones FALSAS: 3 y 4. b) Afirmaciones CIERTAS: 2 y 4. Afirmaciones FALSAS: 1 y 3. c) Afirmaciones CIERTAS: 2 y 3. Afirmaciones FALSAS: 1 y 4.

Sea el modelo de regresión múltiple Y = Xβ + U. Una de las propiedades del estimador de MCO de β es: a) En muestras grandes se distribuye como una normal. b) Se distribuye como una t de Student. c) Tiene una distribución normal, independientemente del tamaño muestral. d) Se distribuye como una F de Snedecor.

¿Qué condiciones han de darse para que un modelo econométrico estimado por MCO que incluye en su especificación regresores estocásticos no vea afectadas las propiedades deseables de sus estimadores como consecuencia de tal especificación?. a) Las propiedades de los estimadores nunca se verán afectadas por regresores estocásticos. b) Que la matriz de datos de las variables explicativas sea independiente del vector de perturbaciones y del vector de parámetros estructurales. c) Que la matriz de datos de las variables explicativas sea independiente del vector de parámetros estructurales y del vector de la variable endógena. d) Las propiedades de los estimadores siempre se verán afectados por los regresores estocásticos. e) Son correctas las respuesta segunda y tercera.

Entre las hipótesis clásicas que conforman el MBRL, la hipótesis de que el vector de las perturbaciones aleatorias sigue una distribución Normal multivariante: a) Solo es necesaria para calcular previsiones puntuales para la variable dependiente. b) No es necesaria para estimar la varianza de las perturbaciones por MV. c) Permitir obtener la distribución del estimador MCO de la varianza de las perturbaciones. d) Solo es necesaria para estimar B por MV.

Modelo 1. Usando las observaciones 1975- 2011. Coeficiente Dev. Típica Estadístico t Const1.28199 0.402901 3.1819 Infl0.483113 0.0705893 6.8440 Unemp-0.0636495 0.0204136 -3.1180 Se ha calculado el test de inflación de la varianza con los siguientes resultados: Factores de inflación de varianzas (VIF) Infl. 1.065 Unemp 1.065 VIF (j)= 1/(1 R(J)^2), donde R(j) es el coeficiente de correlación múltiple entre variable j ylas demás variables independientes. Indique la respuesta correcta: Según los resultados de este contraste, podemos afirmar que no existe heterocedasticidad en el modelo. Según los resultados de este contraste, podemos afirmar que no existe multicolinealidad. El valor del parámetro rho (p) en el esquema de autocorrelación del modelo es 1.065. Este contraste se distribuye como una normal (0,1) e) El esquema de la varianza del término de error n depende ni de la variable infl ni de la variable unemp.

Cuando la matriz X en un modelo lineal presenta un alto grado de multicolinealidad aproximada:. a) El estimador MCO de β es segado. b) El estimador MCO de β es ineficiente porque su matriz de varianzas-covarianzas no coincide con σ (X X) . c) El estimador MCO de β es pocopreciso. d) No existe un único estimador MCO de β.

En la práctica, el paso inmediatamente siguiente a la especificación y estimación de un modelo econométrico debe consistir en: a) Utilizar los resultados de la estimación (estimaciones de los parámetros, residuos,...) para detectar posibles incumplimientos de las hipótesis que conforman el modelo especificado. b) Usar el modelo estimado para calcular previsiones por intervalos para la variable dependiente. c) Utilizar el modelo estimado para describir lo aspectos esenciales de la relación entre la variable dependiente y las variables explicativas. d) Incluir más variables explicativas si el valor calculado del R2 es pequeño.