Solución Examen Junio 2014 (A), primera semana.

 
CUESTIONARIO  TEST    
Esta   parte   puntuará,   como   máximo,   un   80%   del   total   del   examen.   Sólo   una   respuesta   es  
correcta.  La  puntuación  del  test  se  calcula  mediante  la  fórmula  (aciertos  –  errores).  Esta  parte  
se  evaluará  de  0  a  10.  Para  superar  esta  parte  la  expresión  (aciertos   –  errores)  deberá  arrojar  
un  valor  numérico  igual  o  superior  a  5.  

1. En un modelo de regresión, el coeficiente de determinación corregido (𝑅! ),

a. Aumenta cuando se incrementa el número de variables explicativas.
b. No influye el número de variables que se incluyen en la regresión.
c. Es el porcentaje explicado por la regresión de la variable endógena.
d. Ninguna de las anteriores.
Solución:
El coeficiente de determinación corregido es (página 46, expresión 2.3.16):
𝑆𝐶𝑅/(𝑛 − 𝑘 − 1)
𝑅! = 1 −
𝑆𝐶𝑇/𝑛
Cuando el número de variables “k” aumenta, “n-k-1” disminuye, de manera que
!"!/(!!!!!)
“SCR/(n-k-1)” aumenta y también lo hace, en consecuencia, !"#/!
, además como
esta fracción tiene signo negativo, el “𝑅! ” disminuye necesariamente. En consecuencia
cuando “k” aumenta el “𝑅! ” disminuye por lo que la opción a) es falsa. La opción b)
también es falsa puesto que acabamos de ver que el número de variables de la regresión
“k” influye en el “𝑅! ”. La opción c) es falsa también puesto el porcentaje explicado por
la regresión es la definición del coeficiente de determinación sin corregir, o
simplemente coeficiente de determinación (página 31, expresión 2.2.19), y como el
coeficiente de determinación corregido es distinto del sin corregir entonces
necesariamente el coeficiente de determinación corregido no es el porcentaje explicado
de la regresión. En definitiva la respuesta correcta es necesariamente la d) Ninguna de
las anteriores.

2. Utilizando la encuesta de presupuestos familiares, y con el fin de analizar la

demanda de cerveza por persona y trimestre (Qt) en España entre el primer
trimestre de 1998 y el último de 2005, utilizamos como variables explicativas su
precio en euros constantes de 2005 (Pt) y la renta disponible per cápita (YD). El
modelo estimado es:

( ) ( )
ln Qt = − 9,67− 0,672 ln Pt + 1,312 ln YDt + ε̂ t
(1,497) (0,419) (0,177)
( )
n = 32, R 2 = 0,6567, R 2 = 0,6330, DW = 1,62.

Donde debajo de los parámetros estimados aparecen sus errores estándar entre
paréntesis. Suponiendo que se cumplen los supuestos clásicos usuales, el análisis
de significatividad individual de elasticidad unitaria de la renta disponible (YD)
implica que (indique cuál es la afirmación más correcta):
a. Rechazamos la hipótesis nula con el 95% de confianza.
b. Rechazamos la hipótesis nula con el 90% de confianza.
c. No podemos rechazar la hipótesis nula con el 90% de confianza.
d. Rechazamos la hipótesis nula con el 99% de confianza.
Solución:
Como las variables están en logaritmos, los parámetros estimados son directamente las
elasticidades y en consecuencia contrastar si la renta tiene elasticidad unitaria equivale a
contrastar si el parámetro estimado de la renta es significativamente distinto de la
unidad. Esta pregunta se resuelve con facilidad si se entiende las expresiones 4.3.12 y
4.3.13 de la página 113 del manual.
Las hipótesis nula y alternativa son:
! !! !,!"#!! !,!"#
𝐻! : 𝛽!" = 1  𝑦  𝐻! : 𝛽!" ≠ 1, la “t” empírica es 𝑡!!" = !!!"! = !,!!"
= !,!!" = 2,66
!"

Los valores críticos al 90, 95 y 99% de confianza teniendo en cuenta que el contraste es
de dos colas (igual frente a distinto en las hipótesis planteadas) son:
𝑡!!!!!,! = 𝑡!"!!!!;!,!" = 𝑡!";!,!!" = 2,756 al 99% de confianza.
! !

𝑡!!!!!,! = 𝑡!"!!!!;!,!" = 𝑡!";!,!"# = 2,045 al 95% de confianza.

! !

𝑡!!!!!,! = 𝑡!"!!!!;!,! = 𝑡!";!,!" = 1,699 al 90% de confianza.

! !

!!" !!
Como rechazamos la hipótesis nula cuando: !! !!"
> 𝑡!!!!!;! , podemos rechazar la
!
hipótesis nula como máximo al 95% de confianza (afirmación más correcta). En
consecuencia la contestación correcta es la a) Rechazamos la hipótesis nula con el 95%
de confianza.

3. Los errores son homocedásticos si:

a. var 𝜀! 𝐗 = 𝜎!!  .
b. corr 𝜀! , 𝜀! 𝐗 ≠ 0, 𝑡 ≠ 𝑠
c. Tienen varianza constante.
d. Dos valores cualesquiera de ellos no están correlacionados.
Solución:
Esta pregunta se resuelva simplemente entendiendo lo que significa homocedasticidad
(expresión 4.2.6 de la página 101). La opción a) es falsa puesto que es la definición de
heterocedasticidad. La b) es falsa puesto que es definición de errores autocorrelados. La
c) es verdadera puesto que homocedasticidad implica y se define porque las varianzas
de los errores son iguales o constantes.

4. En el contraste de significatividad conjunta de la regresión

Yi = β̂0 + β̂1 X 1i + β̂ 2 X 2i + ...+ β̂ k X ki + ε̂ i , sólo una de las siguientes afirmaciones
es correcta:
a. La hipótesis nula es, H0: β0 = β1 = … = βk = 0.
b. La hipótesis nula es, H0: β1 = … = βk = 0.
c. La hipótesis nula es, H0: βj = 0.
d. La hipótesis nula es, H0: βj ≠ 0.
Solución:
La significatividad conjunta contrasta si las variables explicativas de la regresión
consideradas conjuntamente son significativas. Esta pregunta se contesta directamente
si se entiende el epígrafe “significatividad conjunta” del manual (página 124), además la
expresión 4.3.36 de esa misma página, da la solución a la pregunta que es la opción b).

5. Con el fin de analizar la demanda de la cantidad consumida de tabletas de

chocolate por persona y trimestre (chocolatet). Estimamos el siguiente modelo
entre el primer trimestre de 1998 y el último de 2005 a partir de la encuesta
continua de presupuestos familiares española.
 ( ) ( ) ( )
ln chocolatet = −1,56 − 1,15 ln preciot + 1,78 ln YDt − 0,12 D2 − 0,29 D3 + 0,36 D4 + ε̂ t
(0,346) (0,083) (0,304) (0,047) (0,041) (0,052)
n = 32, R = 0,9482, R = 0,9382, DW = 1,92
2 2

Donde debajo de los parámetros estimados aparecen sus errores estándar entre
paréntesis. El precio de la tableta (preciot) y la renta disponible por persona
(YDt) están en euros constantes de 2005. Las variables dicotómicas (D2, D3 y D4)
tienen valor unitario si el trimestre al que se refiere la observación coincide con
su subíndice y valor nulo en caso contrario. Suponiendo que se cumplen los
supuesto usuales, cuál de las afirmaciones siguientes es más correcta:
a. Un incremento del precio en un 1% disminuye el consumo en un 1,15%.
b. En el tercer trimestre el consumo cae un 29% aproximadamente respecto
del primer trimestre.
c. El mayor consumo se produce en el cuarto trimestre.
d. Todas las anteriores son correctas.
Solución:
La a) es correcta, cuando el precio crece un 1% el consumo disminuye en 1,15% (puesto
que ambas variables están en logaritmos. La b) también es correcta puesto que es una
variable dicotómica y la variable endógena está en logaritmos, de manera que en el
tercer trimestre el consumo de chocolate disminuye un 29% (0,29·100 en porcentaje).
La c) también es correcta puesto que el consumo crece en el cuarto trimestre frente al
primero (periodo base) y los otros dos trimestres tiene coeficiente negativo. En
definitiva la d) es correcta, todas las anteriores son correctas.

6. A partir de los salarios anuales (en miles de euros) de alta dirección de las
empresas que cotizan en el IBEX en 2010 y de sus beneficios anuales (en
millones de euros), nos planteamos si salarios y beneficios están relacionados, y
estimamos el siguiente modelos de regresión.
 = 296,362+ 0,267993⋅ beneficios
salarios i i
(56,082) (0,057423)
n = 31, R 2 = 0,7856, R 2 = 0,7782,SCR = 3514341
Si realizamos un cambio de escala en ambas variables y utilizamos la variable
salarios en euros y los beneficios en miles de euros, entonces el modelo
estimado será
a. 𝑠𝑎𝑙𝑎𝑟𝚤𝑜𝑠! = 296362 + 0,267993 · 𝑏𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜𝑠!
b. 𝑠𝑎𝑙𝑎𝑟𝚤𝑜𝑠! = 296,362 + 267,993 · 𝑏𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜𝑠!
c. 𝑠𝑎𝑙𝑎𝑟𝚤𝑜𝑠! = 296362 + 267,993 · 𝑏𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜𝑠!
d. 𝑠𝑎𝑙𝑎𝑟𝚤𝑜𝑠! = 0,296362 + 267993 · 𝑏𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜𝑠!
Solución:
Es un cambio de escala en ambas variables, el resultado de la nueva estimación se
consigue aplicando las expresiones 2.2.24 y 2.2.25 de la página 35 del manual.
Si consideramos como en el manual que el cambio de escala de la variable endógena
(salarios) lo denominamos “𝑤! = 1000” y al cambio de escala de la explicativa
(beneficios) como “𝑤! = 1000”,
En estas condiciones y aplicando 2.2.24 tenemos que el parámetro de los beneficios es:
! !"""
𝛽!"#"$%&%'( = !! 𝛽!"#"$%&%'( = !""" 0,267993 = 0,267993.
!

Y aplicando 2.2.25 obtenemos: 𝛽! = 𝑤! 𝛽! = 1000 · 296,362 = 296362 . Por

consiguiente cuando expresamos los salarios en euros y los beneficios en miles de euros
la regresión estimada es:
𝑠𝑎𝑙𝑎𝑟𝚤𝑜𝑠! = 296362 + 0,267993 · 𝑏𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜𝑠! , de manera que la opción correcta es
la a).

7. A partir de los datos suministrados por la encuesta de estructura salarial de 2006

estimamos el siguiente modelo del salario hora del sector turístico español:
ln ( salarioí ) = 1,980+ 0,049⋅ ( D2i + D3i ) + 0,186⋅ ( D4i + D5i ) + 0,257⋅ D6i
(0,021) (0,014) (0,017 ) (0,023)
+ 0,493⋅ D7i + 0,609⋅ D8i − 0,133⋅ mujeri + 0,121⋅ medianai
(0,026) (0,029) (0,009) (0,010)
+ 0,171⋅ grandei + 0,044⋅ edadi + 0,013⋅ antigüedadi
(0,011) (0,005) (0,001)
− 0,156⋅ ( D7i + D8i ) ⋅ mujeri
(0,037 )
n = 5286, R 2 = 0,3532
Donde el nivel de estudios terminados se muestra mediante variables binarias D:
D1i tiene valor unitario si el trabajador no tiene estudios y valor nulo en caso
contrario, D2i tiene valor unitario si el trabajador tiene sólo estudios primarios y
valor nulo en caso contrario, … y D8i tiene valor unitario si el trabajador es
licenciado y valor nulo en caso contrario. La variable “mujeri” tiene valor
unitario si el trabajador es mujer y valor nulo si es hombre. La variable
“medianai” tiene valor unitario si la empresa en que trabaja tiene más de 50
trabajadores y menos de 200. La variable “grandei” tiene valor unitario se la
empresa tiene al menos 200 trabajadores. La variable antigüedad (anti) se el
número de años trabajando en la empresa. La variable edad (edadi) se mide en
decenios, con valor 1 si el trabajador tiene menos de 20 años, 2 si tiene entre 20
y 29 años, etc. Debajo de las estimaciones de los parámetros se muestran sus
errores estándar entre paréntesis.
En estas condiciones sólo una de las afirmaciones siguientes es correcta.
a. Los hombres licenciados de empresas grandes ganan aproximadamente
un 91,3% (0,609 + 0,171 + 0,133) más que las mujeres sin estudios de
empresas pequeñas.
b. Las hombres licenciados de empresas grandes ganan aproximadamente
un 78% (0,609 + 0,171) más que las mujeres sin estudios de empresas
pequeñas.
c. Las hombres licenciadas ganan aproximadamente un 159,4% (0,049 +
0,186 + 0,257 + 0,493 + 0,609) más que los hombres sin estudios.
d. Ninguna de las anteriores es correcta.
Solución:
El grupo base de la regresión son los hombres sin estudios de empresa pequeña.
Las mujeres sin estudios de empresa pequeña gana aproximadamente un 13,3% menos
que el grupo base. Los hombres por ser licenciados (de empresa pequeña) ganan
aproximadamente un 60,9% más que el grupo base, además por estar en una empresa
grande se obtienen unos salarios de aproximadamente un 17,1% mas. De manera que
los hombre licenciados de empresas grandes ganan aproximadamente un del 91,3% más
(60,9+17,1+13,3). Por consiguiente esta es la opción correcta, la a).
Si la a) es correcta necesariamente la b) es falsa puesto que compara los mismos grupos
(hombres licenciados en empresas grandes con mujeres sin estudios de empresas
pequeñas).
La c) es incorrecta porque los hombres por el hecho de ser licenciados (sin tener en
cuenta el tamaño de la empresa en que trabajan) ganan un 60,9% más y no el 159,5%.
La d) es falsa puesto que la a) es correcta.
 8. Con datos de la encuesta española de presupuestos familiares de 2009,
estimamos la siguiente relación de consumo de las familias madrileñas cuyo
ingreso principal procede del sector turístico.
consumoi = 6,759+ 0,442·ingresosi + 2,637·tamañoi + ε̂ i
(3,230) (0,095) (0,947)
n = 81, R 2 = 0,3532
Donde debajo de los parámetros estimados aparecen sus errores estándar entre
paréntesis. El consumo familiar (consumoi) y los ingresos (ingresosi) están en
miles de euros. Después de realizar los correspondientes contrastes detectamos
que la ecuación anterior presenta heterocedasticidad. Además también sabemos
que var 𝜀!! = 𝜎 ! · 𝑖𝑛𝑔𝑟𝑒𝑠𝑜!! . En estas condiciones el modelo más apropiado a
estimar será:
a. 𝑐𝑜𝑛𝑠𝑢𝑚𝑜! = 𝛽! + 𝛽! · 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠! + 𝛽! · 𝑡𝑎𝑚𝑎ñ𝑜! + 𝜀! .
!"#$%&" ! !"#"ñ! !!
b. !"#$%&'& ! = 𝛽! !"#$%&'& + 𝛽! + 𝛽! · !"#$%&'&! + !"#$%&'& .
! ! ! !
!"#$%&"! ! !"#$%&'&! !"#"ñ!! !!
c. !"#$%&'&!
= 𝛽! !"#$%&'&!
+ 𝛽! !"#$%&'&!
+𝛽 ·
! !"#$%&'&!
+ !"#$%&'&!
.
!"#$%&"! ! !"#"ñ!! !!
d. !"#$%&'&!!
= 𝛽! !"#$%&'&! + 𝛽! + 𝛽! · !"#$%&'&! + !"#$%&'& !.
! ! !

Solución:
Puesto que los errores son heterocedásticos y además sabemos cómo se comporta la
varianza de los mismos, entonces procede ponderar por la raíz cuadrada de la varianza,
tal y como se hace en la opción b). Todo esto se explica en la página 220 del manual.

9. Un proceso es estacionario en sentido estricto sólo si:

a. Tiene media y varianza constante y además la autocovarianza sólo
depende del desfase.
b. Tiene media y varianza constante.
c. Las funciones de distribución de las variables del proceso son iguales.
d. 𝐹(𝑍! ) ≠ 𝐹(𝑍!!! ).
Solución:
Un proceso es estacionario en sentido estricto si la las funciones de distribución de las
variables del proceso son iguales, es decir si 𝐹 𝑍! = 𝐹(𝑍!!! ), según se explica en el
manual, expresión 13.1.17 de la página 405. Por consiguiente la respuesta correcta es la
opción c).

10. Con los gastos en inversión (formación bruta de capital fijo) con periodicidad
anual entre 1954 y 2010 estimamos el siguiente modelo estacionario de series
temporales:
Δ ln ( inversiónt ) = 0,040+ 0,443 Δ ln ( inversiónt−1 ) + 0,364 ε̂ t−1 + ε̂ t
(0,017 ) (0,193) (0,154)
** ** *

y por consiguiente la inversión en logaritmos que se corresponde con el modelo:

a. ARIMA(1, 0, 1).
b. ARIMA(1, 1, 0).
c. ARIMA(1, 1, 1).
d. ARIMA(1, 0, 0).

Solución:
El proceso es un ARMA(1,1) de los incrementos (o diferencias) de la inversión en
logaritmos. De manera que la inversión en logaritmos es una variable integrada de
orden uno, es decir que hay que diferenciarla una vez para que sea estacionaria [I(1)].
Por consiguiente el modelos es una ARIMA(1,1,1). Es decir la solución correcta para la
inversión en logaritmos es la c).