Tema 2 Econometría

¿Podemos encontrarnos en la situación de rechazar todas las hipótesis nulas del contraste de significación individual y aceptar la hipótesis nula del contraste de significación conjunta?. Habría que calcular el coeficiente de determinación para extraer conclusiones más fiables al respecto. Sí, ya que las variables individualmente no explican a la variable dependiente, pero sí lo hacen en su conjunto. No es posible porque llegamos a una contradicción. No pueden ser significativamente explicativas todas las variables y no serlo en su conjunto. Habría que calcular el coeficiente de determinación corregido de grados de libertad para extraer conclusiones más fiables al respecto.

Cuando la hipótesis alternativa es la desigualdad en sentido estricto: Dependerá del sentido de la desigualdad que rechacemos la hipótesis nula. Rechazaremos la hipótesis nula si. Rechazaremos la hipótesis nula si. Rechazaremos la hipótesis nula si.

El error de predicción: Con independencia de lo que se quiera predecir, el error es igual, ya que el predictor puntual es el mismo. S menor cuando se predice el valor real u observado que cuando se predice el valor esperado medio. Cuando se predice el valor esperado medio la amplitud es menor que cuando se predice el valor real u observado. Cuando se predice el valor esperado medio la amplitud es mayor que cuando se predice el valor real u observado.

Si queremos estudiar el salario en función de la experiencia y si el estado civil, contando con una muestra de tamaño 130, donde: dt=0 si es soltero dt=1 si está casado. Incluiremos la variable dummy para poder saber si el estado civil influye en la determinación de los salarios. No incluimos la variable ficticia ya que nos quedaríamos sin grados de libertad suficientes. No podemos utilizar la variable estado civil porque no es cuantitativa. Podemos estimar el modelo incluyendo la variable cualitativa que nos indicará que los trabajadores casados perciben un mayor salario que el de los solteros.

El nivel de significación es: La probabilidad de rechazar la hipótesis alternativa cuando es falsa. La probabilidad de rechazar la hipótesis nula cuando es cierta. La probabilidad de cometer el error tipo I. La probabilidad de cometer el error tipo II.

Si en el modelo siguiente rechazamos la hipótesis nula: yt= B1 + B2xt2 + B3xt3 + ut H0: B2=0. Aceptaríamos también la hipótesisH_0:β_2=β_3=0. Hemos incluido una variable irrelevante en nuestro modelo.. En nuestro modelo hemos omitido una variable explicativa. Hemos omitido una variable irrelevante en nuestro modelo.

La relación entre el estadístico F y el estadístico t correcta es: F_(1,T-k)=t_(T-k). Ninguna de las propuestas es correcta. F2(1,T-k)^2=√(t_(T-k) ). F1,(T-k)=t2(T-k).

No se puede realizar el contraste con el estimador F en el caso: Ho:B2=B3. Ho:B2=B3=5. Ho: B2/B3=5. Ho: B2+3B3=7.

¿Podemos aceptar alguna de las hipótesis nulas del contraste de significación individual y rechazar la hipótesis nula del contraste de significación conjunta?. Nunca vamos a aceptar la hipótesis nula del contraste de significación conjunta ya que en nuestro modelo siempre habrá términos constantes. No, ya que no es posible comparar los resultados de los dos contrastes, ya que los estadísticos que utilizar son distintos. Si, ya que es posible encontrarnos con alguna variable no significativa a nivel individual y que no se admita que todas sean cero a la vez. Si, ya que rechazar la hipótesis nula del contraste de significación conjunta nos indica que cada una de las variables no son explicativas, por lo que si es compatible.

Un coeficiente de determinación elevado puede ser compatible con: Rechazar alguna hipótesis nula del contraste de significación individual. El coeficiente de determinación no tiene nada que ver con el contraste de hipótesis ya que mide la capacidad explicativa del modelo. El rechazo de la hipótesis nula del contraste de significación individual. El rechazo de todas las hipótesis nulas del contraste de significación individual.

El predictor puntual: Es lineal y su esperanza es cero. Es sesgado cuando predecimos el valor esperado medio. Es insesgado cuando predecimos el valor real u observado. Es insesgado cuando predecimos el valor esperado medio.

Cuando queremos realizar el constraste de una restricción lineal: Podemos utilizar el estadístico F, pero al ser el cuadrado del estadístico T, los resultados estarán sesgados al alza. Podemos utilizar el estadístico F para realizar este contraste. Solamente podemos utilizar el estadístico t para realizar este contraste. No podemos utilizar el estadístico F porque está sesgado a la baja.

En la estimación por intervlos, cuanto mayor sea la varianza del estimador: La fiabilidad será menor porque la amplitud del intervalo será mayor. La fiabilidad será menor porque la amplitud del intervalo será menor. La fiabilidad será mayor porque la amplitud del intervalo será mayor. La fiabilidad será mayor porque la amplitud del intervalo será menor.

Si en el modelo sig rechazamos la hipótesis nula: yt= B1 + B2X2 + B3X3+ UT H0:B2=0. Aceptamos también la hipótesis Ho:B2=B3='. En nuestro modelo hemos omitido una variable explicativa. Hemos incluido una variable irrelevante en nuestro modelo. Hemos omitido una variable irrelevante en nuestro modelo.

Tener un coeficiente de determinación elevado garantiza: Que no hemos incluido ninguna variable irrelevante en el modelo. Que la capaicdad explicativa es suficiente y que rechazaremos las hipótesis nulas del contrasate de significación individual. No podemos garantizar que el modelo con el que trabajamos sea el correcto. Que hemos especificado el modelo de manera correcta.