MÉTODOS Y MODELOS ECONOMÉTRICOS III

En una ecuación de regresión, el número de grados de libertad es. Número de parámetros estimados - números de observaciones. El número de parámetros de la ecuación. El número de observaciones de la muestra. El número de observaciones - el número de parámetros estimados.

La hipótesis de homocedasticidad postula que. Var(Bi) = sigma^2. Var(Ui) = sigma^2. Var(Xi) = sigma^2. Var(ûi) = sigma^2.

Un estimador insesgado con varianza mínima es conocido como un estimador eficiente. Verdadero. Falso.

Se denomina variable de control a la variable Y. Verdadero. Falso.

Variables que se omiten en un modelo pero que afectan a la variable Y están agrupadas en la perturbación estocástica. Verdadero. Falso.

Bajo todas las hipótesis clásicas que conforman el modelo lineal general, la insesgadez del estimador MCO de B. El estimador de MCO de B coincide con el verdadero de B. La esperanza del estimador MCO de B coincide con el verdadero de B. La esperanza del estimador MCO de B es un vector de números conocidos. El estimador MCO de B es un vector de número conocidos.

La función de regresión poblacional FRP es lo mismo que la función de esperanza condicional. Verdadero. Falso.

Afirmaciones son todas ellas supuestos esenciales del modelo clásico de regresión linela con excepción de. COV(ui,uj) = 0. La esperanza E(ui) = 0. Las variables explicativas están normalmente distribuidas. No hay multicolinealidad perfecta.

Muestra que combina información de diferentes individuos durante intervalos de tiempo regularmente distanciados, ordenados cronológicamente. Un panel. Corte transversal. Una serie temporal. Sección cruzada.

En el siguiente modelo de regresión estimado por MCO con 10 observaciones (^Vi) = 2 + 0,5 Xi. Ninguna de las anteriores. El coeficiente de correlación muestral entre las variables Yi y Xi es 0,5. Recta de juste que pasa por y barra X barra son medidas muestras de X1 Y1.

La prueba de normalidad define si los parámetros están normalmente distribuidos. Verdadero. Falso.

Cual es los siguientes modelos de regresión cumple la hipótesis clásica de lienalidad del modelo lineal general. Yt = B1 + B2Xt^2 + ut. Yt = B1 + B2 (1/Xt9 + ut. Yt = B1 + B2^2Xt + ut. In(Y) = B1 + B2ln(Xt) + ut.

El salario de los trabajadores se considera variable explicativa, si usamos dummy, que afirmación es correcta. Deben de incluirse dos variables dummy más en el intercepto. Ninguna de las anteriores es correcta. Pueden incluirse dos variables dummy si se excluye el intercepto. Rechaza una variable dummy más el intercepto.

El análisis de la tasa de paro en el mes de febrero de las provincias, es un ejemplo de. Datos de panel. Datos experimentales. Series temporales. Datos de corte transversal.

Cuando contrastamos una hipótesis conjunta. Usa F y se rechaza la hipótesis si el estadístico excede el valor crítico de tablas. Usa t para cada una de las hipótesis individuales que la conforman. Usa F y se rechaza al menos una hipótesis si se excede el valor crítico de tablas.

El coeficiente de determinación corregido o ajustado. Puede ser negativo aunque R2 sea siempre positivo. Siempre será menor o igual que R2. Son ciertas todas las anteriores. Puede ajustarse a partir de R2 ajustando los grados de libertad.

Si hay relación entre X2 y X3 se dice que son. Ineficientes. Insesgados. Colineales. Sesgados.

Regla práctica para detectar multicolinealidad. Existe significación conjunta en todas las regresoras. Valor R2 altos y no significación individual pero si conjunta. Modelo no significativo con R2 alto.

El teorema central del límite: dada una muestra suficiente grande de población, la distribución de las medias seguirá una distribución normal. Variación de las variables estimadas. Diferencia entre variables estimadas y la correlación de las variables. Gran # de V al dependiente con ident distribución. Gran # de V. Al independiente con ident distirbución, tiende a ser normal cuando se incrementa.

Todo bue estimador. Siempre es positivo. Es insesgado. Media cero. Es homocedastico.

El modelo de regresión Y = Bx + u, la probabilidad de insesgado se expresa como. E(B gorro) = 0. E (B gorro) = B real. E( B real) = Bx + u. E(B real) = B gorro.

Un estimador calculado a través de MCO ¿ es mejor estimador insesgado cuando la varianza es alta?. Sí (Verdadero). No (Falso).