INSTRUCCIONE: para que se corrija la segunda, Solo una de las opciones es correcta (0 claramente mejor que las demas). Cada pregunta correctamente contestada vale 1 punto y los fallos restan 0.33. 5. La primera parte es eliminatoria: es necesario obtener al menos 5 puntos Primera parte 1, En un modelo de regresiOn sujeto a los supuestos habituales, incluyendo 1a normalidad de los errores, el estadistico (n—k)G? /o? , seguiré una distribucién, a) Normal tipificada @ Leoni gh. ©) (de Student con mkt gh d) Foonk-lyn-kgl Indique cudles son las consecuencias del incumplimiento de la hipotes autocorrelacién, 4) Los estimadores MCO son sesgados ¢ inconsistentes, b) Los estimadores MCO son sesgados pero consistentes @® Los estimadores MCO son insesgados y consistentes, pero no eficientes d) Los estimadores MCO son sesgados pero eficientes y consistentes 3. Diga cual de las siguientes expresiones puede considerarse un estimador insesgado de la varianza de los errores en un modelo de regresién simple, b) Ninguna de ellas op 1 R i escribimos un modelo de reer respecto a su media, a) Los coeficientes de todos los parimetros de pendiente habrin cambiado respecto al modelo original, al haber modificado la escala de todas las variables b) Debe incluirse siempre un término constante para evitar que el coeficiente de determinacién pueda ser negativo Todos los coeficientes de pendiente permanes d) Son correctas b) ye) n con las variables expresadas en desviaciones con terados5. La funcién de regresidn poblacional, FRP, se diferencia de la funcién de regresién muestral, FRM, @ La FRP contiene los parimetros desconocidos incluidos en el vector fen tanto que la FRM esta formada por el estimador de ese vector, b. b)_ Sise cumplen los supuestos de linealidad, no multicolinealidad, y muestra aleatoria (0 su equivalente en series temporales), no habra diferencia entre ambas, dado que los estimadores MCO son insesgados )_Ambas serdn iguales si y solo si, ademas de los supuestos de exigirse ademés los, supuestos de linealidad, no multicolinealidad, y muestra alcatoria (o su equivalente en series temporales), los errores son homoscedisticos y no autocorrelacionados 4) Ninguna de las anteriores es correcta 6. Elestimador de Minimos Cuadrados Ponderados, a) Es un caso particular del método de Minimos Cuadrados Generalizados, MCG b) Se emplea para transformar un modelo en el que no se cumple el supuesto de homoscedasticidad ¢) Se emplea para para transformar un modelo en el que no se cumple el supuesto de no autocorrelacién @ Son ciertas a) yb) iga cual de las siguientes afirmaciones no es correcta, a) Siempre que se omite una variable relevante del modelo de regresion se generar sesgo alguna de las variables explicati estimadores sesgados © Cuando a variable explicada tiene errores de medida el estimador MCO es sesgado 4) Nunca habri sesgo si se cumplen los supuestos en los que esta basado el modelo b) est: medida con error, MCO produciré 8. Enel modelo log( Bot BXict Prlog( Xai) Gi, a) Byes la elasticidad o cambio relativo en ¥ ante un cambio relativo en X> b) Bi es la elasticidad 0 cambio relativo en ¥ ante un cambio relat ©) Bi mide el cambio rel Son correctas a) yc) vo en X, 9, EI RESET test de Ramsey, a) Es un contraste alternativo al de Durbin Watson para detectar autocorrela en los residuos, cuando se han incluido como exdgenas, variables endégenas n serial retardadas. @® Sc utiliza para detectar problemas de especificacion funcional ) Se emplea para contrastar la normalidad de los residuos del modelo 4d) Es una de las opciones para contrastar la homoscedasticidad10, La simultaneidad o causalidad simulténea tiene lugar, @ Cuando Ia dircecién de la causalidad va de Y aX b) Cuando la direceién causal va de X aY ) Cuando hay causalidad de X a Y pero también de Y aX 4) La simultaneidad en econometria no tiene nada que ver con la direccién de la ccausatidad Segunda parte Con datos trimestrales del periodo 1970 1994, se estima el modelo de regresion (errores estandar entre paréntesis ¥ = 0.2033 - 0.149, +0.015X,, +1.06X,, +.0095D,, R=0.98, DW =1.98 (0.136) (0.024) (0.004) (0.02) _—_ (0.006) donde ¥ representa la demanda de gasolina, X; el precio de la gasolina, X3 Matriculacién de turismos, X; volumen de empleo y D; es una dummy que toma el valor Ossi el dato es anterior a 1973 y I para los afios posteriores. Todas las variables, excepto la dummy, estén medidas en logaritmos. a) Interprete los resultados de esta regresién, Calcule el valor de la elasticidad precio y diga si tiene el signo esperado b) Contraste la hipétesis de que la clasticidad renta es unitaria empleando un test unilateral, Especifique claramente las hipdtesis nula y alternativa y el nivel de significatividad elegido. ©) Como es sabido el primer shock energético tuvo lugar en el aiio 1973. Explique ‘c6mo podria utilizar el modelo estimado para contrastar si este hecho tuvo un impacto significativo en la demanda de gasolina y diga cual seria su conclusién. 4) Los valores eriticos (al 5%) para llevar a cabo el contraste de Durbin y Watson son 1.59 y d, = 1.76. Indique en qué regién cae el valor encontrado en la estimacién anterior y si es posible mantener la hipotesis de no autocorrelacién. Suponga que con datos referidos al tamaito de la clase (T) y al promedio de las calificaciones (C), empleamos una muestra de 122 observaciones correspondientes a alumnos de tercer curso para estimar la siguiente G,=520.4-5.827, R?=0.08, SCE =11.5 (20.4) (2.21) a) Construya un intervalo de confianza del 95% para el coeficiente de pendiente fi b) Calcule aproximadamente el valor p para el contraste bilateral de Ta hipétesis mula Ho: B= 0. En base a este resultado, jrechazaria la hipotesis al nivel del 5%2Y al°) 4) Contraste la hipotesis Ho: By bilateral, especificando en cada criticos en tablas. 5.6 al nivel del 1%, Emplee un test unilateral y uno s0 las hipétesis nula y altemnativa y los valores Construya un intervalo de confianza del 99% para Bo‘Tablas estadisticas Shao z 0005 000, 1376 t8 535,679 816] —106t 2920 31,508 ‘o7es| 0g7e| 1250 2353] 31e2[asat[seai| 12a ‘o7ai] —oge | 1.180) 242] 2rre[arar| aoa] a6 ‘o7zr| 0920 1.156; ‘o718| 0906 [1.134 ‘ort | 0896 [ 1.119) 0705] 0866 | 1,108, (9703) 0.865 | 1,100 3,833] 2282[ Zari | 3280/4781 ‘0700 ogra | 1,009) ‘ogs7| 0876 | 1.088, ‘o6s8| 0870 | 1.079. ‘ogs2| 06a | 1.076 “iret | 2.45 | 2624| 2077 | 4,140 ‘ogs1| 0866 [1.074 753] 2.131 a2 | 2947] 4073 ‘0690 | 0865 [4071 yas | 2.t0[ 25832021 | 4015 ‘0.689-| 0.9863 | 7,069) ‘0688 | 0.862 | 1.067, ‘088 | 0.61 | 1,086, 087] 0.960} 1,054 ‘0.850| 1.065 ‘o85) 0858 [1.06% ‘085 | 0856 | 1,060) ‘0685| 0857 | 1,059. ‘0684 [0.856 | 1,058, ‘og8+| 0.856 | 1.058 ‘og84| 0.855 | 1.057 4703] _2.052[ 2ara| 2771 | 3,600 (0.683,| 0.855 | 1,056, 0683] 0854 | 1.055, 9683] 0.854 [ 1,055, ‘gsi | 085t| 1950. ‘67a | oie | 1,046 ‘os7a| oie | 1043, Slela|slels|s/slalolelelylelyle|s|s|slal=|als|=|slole|~forferfe|es|n|—|_| 3 oer] —_o8és [1.041 wi658| 1980[ 2358| —26t7 [3,373F Shodbenr ares ose SH) teromin ‘Grae de brad an numero pos (tease fotze esate | a | odes] ete] ato ee | avon te |e |e Ty tore] 1095) 7157] 2248] 2802] 2.0] 2008] 2089] 2008] 2019] 2009) 2060 2] tast| 1900] 19.16| 1025] 193| 1933] toas| to37| 10.38] 194] 1941] 1943 3] 1013] 955) e2s| oi) aot} acs] aaa] eas] ast] 70| 874) 870 a] 771694] 650] 630 625] 616] 608] 604] 600] 506] 501] 586 5] eat] 579) s4i{ S10] 505 495| age] aaa] 477 474[ 468] 4062 6590] _514[ 476| 453] 430] 478| 421| 415| 410] 406] 400 394 7] 50] a7at435[ 412] 397] aa7| a7o{ 373] 360| 364] 357] 351, 5] ss2| 445) a07| sai] a0] a5] 350] 34a] 30] 35| 328] 322 9] 512] 476] 3a6| 363] a4] a37] a7a] 323] ate] at4[ a07] 301 wo] 496] 410) 371[- 34s| 333] 322] 314] 307] 302] 208] 201) 285 it] 48s[ 308) 350] 336] 320/300] 301] 295| 200 285| 279) 272 ‘| 475[ 389) 349[ 326] att] 300] 201] 285] 290] 275] 269) 262 “3|_4er| 381, sai[318| 303] 292] 2a3| 277 271] 267| 260) 253 4] 460] 374] 3a a1t| 295] 2a5| 276] 270| 265] 260| 253] 246 15] 454] 368) 320306 290] 279| 271] 204] 250] 254| 248) 240 16] 449] 363) 320301] 285] 274| 205] 259| 258] 240] 242) 235 ar] 4a5[ 350) 320296] 2a] 270] 261] 255] 240] 245] 238) 231 we] 4ai[ 355) 316293] a77| 265| 258] 251] 246] oat] 234) 227 yo] 438] 352] 313 290] 276] 263] 254] 248] 242] 238| 2.91] 229 0] 435 349} a10| 2a7| 271| 260] 2s] 245] 239| 235| 228] 20 21 4x| 347] sor] 284] 268| ps7] 24a] _242| 237] 239| 225] 218 ‘| 430348] 305] 202] 205| 25] 246] 240] 234[ 230| 223] 2.15 Z| 428[ 342) 303[ 280] 268] —283| 244] 237| 230] 227 220) 213 [426] 340 301] 278| 262| 251] 242] 236] 230] 225] 218] 211 2] 424[ 339) 200] 276| 260] 240] 240] 234| 228] 224| 216) 200) 6] 423| 337] 298| 27a| 280| par 230] 25] 227| 220| 2.15] 207 ar] a2i[ 335] 296] 273] 287| as 237] 231] 225] 220| 213] 206 26] 420[ 33] 295| 271] 288| 245] 236] 220| 228[ 2 19[ 2.12] 208 ze] ats] 333) 293270] 255| 243] 235] 298| 220] 218| 2.10) 203 so] 4tr[ 332) 292[ 260] asa] 2a] 233] 227[ 221] 216 200) 201 40] 408] 325, 28¢| 261] 245| 2a 225] 2.18| 212| 208| 200] 192 0] 400 315| 276] 253] 237| 225] 217] 210] 208| 199| 192] 1.86 90] 395] 340) a7i| 247] 2.30| 20) ant} 208/198] 194] 187] 170 wo] —392[ 307] 268 245| —278| 217] 208] 202 196] 191[ 143] 175