proeconometric

El GCP es estacionaria con media cero. Ninguna de las anteriores. El GCP es estacionaria en torno a la media con tendencia determinística. El GCP es estacionaria con una media distinta a cero.

El acto de asignarle un número a una de las alternativas no significa que la variable cualitativa se haya trasnformado en una cuantitativa, simplemente se asigna un ________ para que sea más sencillo operarla. Nombre. Parámetro. Esquema. Número.

Cuando en el modelo clásico de regresión lineal las perturbaciones presentan diferentes varianzas, se conoce como: Multicolinealidad. Homocedasticidad. Autocorrelación. Heterocedasticidad.

No pueden ordenarse de forma jerárquica, por ejemplo las profesiones, ciudades, estado civil. Ordinales. Nominales. Binarias. Dicotómicas.

Las variables _________ son aquellas que variables estadísticas que expresan una cualidad o característica de un objeto o individuo en cuestión. Cualitativas. Continuas. Cuantitativas. Discretas.

Cuando la varianza condicional de la variable regresada aumenta a medida que lo hace la variable explicativa se dice que existe: Multicolinealidad. Heterocedasticidad. Equivalencia. Desigualdad.

La presencia de una ____________ implica que un shock hoy tiene un impacto persistente en el tiempo. Intersección. Observación. Raíz unitaria. Serie estacionaria.

Cuando una serie es no estacionaria, su media y varianza ____________ a lo largo del tiempo. Cambian. Permanecen fijas. Se combinan. Permanecen constantes.

En las series de tiempo las variables tienden a ser de órdenes de magnitud _________ porque suele recopilarse información sobre el mismo fenómeno o hecho a lo largo de un periodo. Similares. Constantes. Lineales. Diferentes.

Un modelo con 2 rezagos autorregresivos, 3 rezagos de medias móviles y 1 diferencia, es: ARIMA(2, 3, 1). ARIMA(2, 1, 3). ARIMA(1, 2, 3). ARIMA(3, 1, 2).

Una serie de valores aleatorios correspondientes a instantes sucesivos en el tiempo: Proceso lineal. Proceso lineal. Proceso estacionario. Proceso estocástico.

En análisis de regresión, la variable dependiente también se llama: Regresada. Ingresada. Cualitativa. Dicotómica.

Una de las siguientes opciones NO corresponde a un contraste estadístico para determinar estacionariedad. Identifíquela: Pearson. Phillips Perron. Dickey Fuller. ADF.

Pueden tener más de dos valores pero se pueden ordenar de forma gerárquica: Ordinales. Discretas. Continuas. Binarias.

Uno de los siguientes contrastes de estacionariedad, propone un enfoque no paramétrico para recoger la dinámica de los rezagos. Identifíquelo: Phillips Perron. KPSS. ADF. Dickey Fuller.

Para efectuar inferencias del proceso estocástico a partir de una sola realización, es necesario imponer restricciones, habitualmente son que sea estacionario y ___________. Fijo. Ergódico. Constantes. Estocástico.

Con respecto al siguiente modelo: yt=α0+α1yt−1+α2yt−2+ut es cierto que: Es un modelo de medias móviles con 3 rezagos. Es un modelo de medias móviles con 2 rezagos. Es un modelo autorregresivo con 3 rezagos. Es un modelo autorregresivo con 2 rezagos.

Complete según corresponda: Los coeficientes asociados a las variables dicotómicas son conocidos como _________________, ya que, estos indican la medida en que el valor de la categoría que recibe el valor de 1 difiere del coeficiente del intercepto correspondiente a la categoría de comparación. Coeficientes de intercepto vertical. Coeficientes devariación diferencial. Coeficientes de pendiente diferencial. Coeficientes de intercepto diferencial.

Se sabe que la omisión de una variable explicativa relevante en general provoca un sesgo tanto en la estimación de los coeficientes como en la de la varianza del término de ___________. Perturbación. Multicolinealidad. Acumulación. Población.

4.6718. -0.9205. 2.1592. -2.3466.

Es un error de especificación en donde se toma en cuenta una variable de poca significatividad en el modelo econométrico. Forma funcional incorrecta. Exclusión de variable relevante. Inclusión de variable irrelevante. Forma funcional relevante.

Con respecto al siguiente modelo: yt=α0+α1yt−1+α2yt−2+α3yt−3+ut es cierto que: Es un modelo autorregresivo con 2 rezagos. Es un modelo de medias móviles con 3 rezagos. Es un modelo autorregresivo con 3 rezagos. Es un modelo de medias móviles con 2 rezagos.

Se necesita de otra estimación adicional para concluir si los residuos son estacionarios o no. Los residuos de la regresión son estacionarios al 5%. Los residuos de la regresión son no estacionarios al 5%. Ninguna de las anteriores.

Complete según corresponda: Las variables ________ son aquellas que variables estadísticas que expresan una característica de un objeto o individuo en cuestión. Nominales. Dicotómicas. Cuantitativas. Cualitativas.

Un modelo ARIMA está compuesto de: Solo una parte autorregresiva. Solo una parte de media móvil. Una parte autorregresiva y una parte de media móvil. Una parte estacionaria.

Con respecto al siguiente modelo: yt=α0+α1yt−1+ut para asegurar que sea estacionario, se debe cumplir que: |α1|<1. |α1|≥1. |α1|≤1. |α1|>1.

La presencia de endogeneidad en una variable señala que la misma está correlacionada con el término de _______. Multiplicación. Variación. Error. Adición.

Con respecto al siguiente modelo: el valor del estadístico BJ (Bera y Jarque), es: -0.042. 4.42. 21.02. 12.02.

En los diagramas de Ballentine, el grado de multicolinealidad se mide por el ____________ de la intersección entre los círculos. área blanca. área externa. área interna. área sombreada.

En R, el comando para realizar una serie de tiempo es: ml. st. ts. lm.

En R, la libreria que dese ser cargada para generar las fechas de la correspondiente serie de tiempo, es: ade4. lubridate. ggplot. tidyverse.

Un modelo con 3 rezagos autorregresivos, 2 rezagos de medias móviles y 1 diferencia, es: ARIMA(1, 2, 3). ARIMA(2, 1, 3). ARIMA(3, 1, 2). ARIMA(2, 3, 1).

Los instrumentos son las variables utilizadas para calcular los valores previstos para las variables __________ en la primera etapa del análisis de mínimos cuadrados de dos etapas. Endógenas. Continuas. Discretas. Exógenas.

Un modelo ARMA con 1 rezago autorregresivo y 1 rezago de medias móviles, es: yt=α0+α1yt−1−θ1yt−1+et. yt=α0+α1yt−1+θ1yt−1+θ2yt−2+et. yt=α0+α1yt−1−θ1yt−1−θ2yt−2+et. yt=α0+α1yt−1+θ1yt−1+et.