Primer Bloque-Econometria

12/5/2020 Examen final - Semana 8: INV/PRIMER BLOQUE-ECONOMETRIA-[GRUPO1]
Historial de intentos
Intento Hora Puntaje

MÁS RECIENTE Intento 1 33 minutos 79 de 80
 Las respuestas correctas estarán disponibles del 13 de mayo en 23:55 al 14 de mayo en 23:55.
Puntaje para este intento: 79 de 80

Entregado el 12 de mayo en 19:19
Este intento tuvo una duración de 33 minutos.
Pregunta 1 4 / 4 pts
Asuma un modelo de regresión del tipo salario = B0 + B1*genero + u,

donde género es una variable binaria que toma el valor de 1 para
hombres y 0 para mujeres, de acuerdo a lo anterior podemos afirmar:
Ninguna de las anteriores es correcta
El salario promedio de los hombres es el mismo que el de las mujeres

si B0
El salario promedio para los hombres es B0 superior al de las mujeres
El salario promedio de las mujeres es B0+B1
Después de estimar el modelo yt =b1 +b2 xt +b3 yt-1+ et, usted desea
comprobar la existencia de autocorrelación.
En este caso una prueba adecuada será:
https://poli.instructure.com/courses/13290/quizzes/47155 2/13
La Prueba de Breuch-Pagan
Ninguna de las anteriores
La h de Durbin
La Prueba de Durbin-Watson
La prueba Jarque-Bera se utiliza para validar:
kurtosis
Correlación
Homocedasticidad
Normalidad
El coeficiente de determinación:
Sirve para calcular la varianza general del modelo
Es una buena medida de ajuste, a la hora de comparar modelos
Mide la correlación entre los “y observados” vs los “y estimados”
Indica el grado de compatibilidad entre las variables independientes
Un elemento que no hace parte de los 4 patrones básicos de una serie

de tiempo es:
La tendencia
La aleatoriedad
El movimiento cíclico
El movimiento estacional
El modelo estimado por el método MCO no es adecuado si:
Los datos obtenidos para realizar el proceso de regresión fueron el

resultado de un muestreo aleatorio
Una variable independiente puede ser expresada como una

combinación lineal de otras variables independientes
El error no observado se comporta mediante una distribución normal
El valor esperado de los errores es nulo, es decir que el promedio de la

perturbación aleatoria es cero.
Se dice que un estimador es insesgado cuando:
Hay invariabilidad de la varianza del error, lo cual indica que el modelo

presenta comportamiento homocedástico.
No hay especificación errónea en el modelo, al escoger las variables

adecuadas que definen el modelo
Cuando se hacen estimaciones sobre muestras aleatorias se obtiene

valores muy cercanos al verdadero valor poblacional del parámetro
Los errores en promedio son nulos, es decir que el parámetro estimado

es acertado
Una manera de transformar una serie de tiempo altamente persistente es:
Aplicar diferencias
Añadir una tendencia lineal
Aplicar logaritmo natural
Sustituir la variable
Se dice que los procesos débilmente dependientes son integrados de

orden cero o I(0). En un sentido práctico, esto significa que no es
necesario hacer nada con esas series antes de utilizarlas en un análisis
de regresión: los promedios de estas secuencias ya satisfacen los
teoremas del límite más comunes. Se dice que los procesos de raíz
unitaria, como la caminata aleatoria (con o sin deriva), son integrados de
orden uno, o I(1). Esto significa que la primera diferencia del proceso es
débilmente dependiente (y a menudo estacionaria). Una serie de tiempo
I(1) a menudo se considera un proceso estacionario en diferencias, aun
cuando en cierto modo el nombre es engañoso respecto al énfasis que
se pone en la estacionariedad después de la diferenciación, en vez de la
dependencia débil en las diferencias.
Una prueba adecuada para probar la normalidad de los errores es:
Test de Chow
Estadístico Durbin-Watson
Prueba de White
Estadístico Jarque-Bera
Cuando decimos que una series es fuertemente dependiente, se quiere decir

que:
a)Su varianza no depende del tiempo
a)Es una serie I(0) o integrada de orden cero
a)Posee memoria limitada de su comportamiento pasado en el sentido

que efectos aleatorios son transitorios y van decreciendo o perdiendo
fuerza en el tiempo.
a)El pasado de la serie está muy relacionado con el presente por lo

cual un pequeño cambio genera efectos permanentes y duraderos en
la serie.
Siempre que las series de tiempo que se utilicen sean débilmente

dependientes, los procedimientos usuales de inferencia de MCO serán
validos bajo supuestos más débiles que aquellos del modelo lineal
clásico. Por desgracia, varias series de tiempo económicas no pueden
caracterizarse por una dependencia débil. El uso de series de tiempo con
dependencia fuerte en el análisis de regresión no plantea ningún
problema, pero los procedimientos de inferencia usuales son muy
sensibles a la violación de estos supuestos cuando los datos no son
débilmente dependientes, a continuación se dan algunos ejemplos de
series de tiempo altamente persistentes (o fuertemente dependientes) y
se muestra como pueden transformarse para utilizarlas en el análisis de
regresión.
Una de las características de la R-Cuadrada Ajustada es:
a)Impone una sanción a la adición de más variables independientes a

un modelo
a)aumenta cuando el tamaño de muestra es pequeño
Ajusta mejor en los modelos de regresión lineal cuando la variable

dependiente es dicotómica
a)Ajusta y minimiza la varianza de los estimadores de MCO
Las pruebas de hipótesis de significancia individual, en el modelo de

regresión lineal:
Sólo sirven para indicar si un beta particular es igual a cero con un nivel
de significancia del 5%
Siempre deben ser evaluadas a 2 colas, para ganar certeza a la hora

de probar la hipótesis
Emplean distribuciones diferentes de acuerdo al modelo planteado y

número de variables. Ej: Normal, Poisson, F.
Indican si se cumple o no una condición particular para un beta, dado

cierto nivel de significancia, bajo una distribución t
La información de tipo cualitativa en un modelo econométrico:
Solo se trabaja cuando la variable tiene 2 posibles valores
Es interesante, pero rara vez se incluye en el análisis
No se puede tener en cuenta ya que se requieren números para hacer

cálculos
Se puede manejar a través de variables dicotómicas o dummies
Una debilidad de la prueba de White es
Abundancia de regresores en la prueba
inexactitud y poca confiabilidad.
Complejidad en el cálculo
No hay estadís co de prueba suﬁciente y robusto para su análisis
En la sigla ARIMA, el componente MA hace referencia a:
Error promedio
Media autoregresiva
Promedio móvil
Mínimos cuadrados
Asuma los siguientes datos de ventas en millones de pesos para una

empresa
El pronóstico de ventas para el mes de Julio usando el método de

suavización exponencial con a igual a 0.3 es:
9.6
8.6
10.6
7.6
En la siguiente regresión se explican los ingresos de los hogares en

Bogotá, la variable dependiente son los ingresos mensuales, y las
independientes las que aparecen en la tabla. Al lado de cada variables
aparecen los coeficientes estimados. En paréntesis se encuentran los
errores estándar.
(1)
VARIABLES Model 1
Años de educación 6.902

(1.476)
Número de hijos 12.89
(2.149)
Sexo(1 hombre, 0 mujer) -3.978
(5.587)
Constant 300.3
(11.70)
Observations 7,025
R-squared =0.007
F(3, 7021) = 17.15
En modelo en su conjunto no es significativo
Verdadero
Falso
Parcial Pregunta 18 3 / 4 pts
En la siguiente regresión se explican los ingresos de los hogares en

Bogotá, la variable dependiente son los ingresos mensuales, y las
independientes las que aparecen en la tabla. Al lado de cada variables
aparecen los coeficientes estimados. En paréntesis se encuentran los
errores estándar.
(1)
VARIABLES Model 1
Años de educación 6.902

(1.476)
Número de hijos 12.89
(2.149)
Sexo(1 hombre, 0 mujer) -3.978
(5.587)
Constant 300.3
(11.70)
Observations 7,025
R-squared =0.007
F(3, 7021) = 17.15
¿cuáles variables tienen coeficientes significativos y no significativos?
Sexo no signi cativo Número de hijos signi cativo Años de
educación signi cativo Constante no signi cativo
Respuesta 1:
No significativo
Respuesta 2:
Significativo
Respuesta 3:
Significativo
Respuesta 4:
no significativo
Asuma que usted ya sabe que en un modelo de regresión del tipo

Y=B0+B1*X+u se tiene un sesgo por variables omitidas. En este caso,
el signo del sesgo depende de:
Correlación entre X y u
Magnitud y signo de B1
Magnitud y signo de B0
Varianza de U
En un modelo convencional y = β0+β1x + u se dice que “x” es:
La constante
El término de error
La variable dependiente
La variable independiente
Puntaje del examen: 79 de 80

Primer Bloque-Econometria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Primer Bloque-Econometria

Cargado por

Copyright:

Formatos disponibles

12/5/2020 Examen final - Semana 8: INV/PRIMER BLOQUE-ECONOMETRIA-[GRUPO1]

Intento Hora Puntaje

Puntaje para este intento: 79 de 80

Asuma un modelo de regresión del tipo salario = B0 + B1*genero + u,

Ninguna de las anteriores es correcta

El salario promedio de los hombres es el mismo que el de las mujeres

El salario promedio para los hombres es B0 superior al de las mujeres

El salario promedio de las mujeres es B0+B1

En este caso una prueba adecuada será:

Ninguna de las anteriores

La prueba Jarque-Bera se utiliza para validar:

Sirve para calcular la varianza general del modelo

Es una buena medida de ajuste, a la hora de comparar modelos

Mide la correlación entre los “y observados” vs los “y estimados”

Indica el grado de compatibilidad entre las variables independientes

Un elemento que no hace parte de los 4 patrones básicos de una serie

El modelo estimado por el método MCO no es adecuado si:

Los datos obtenidos para realizar el proceso de regresión fueron el

Una variable independiente puede ser expresada como una

El error no observado se comporta mediante una distribución normal

El valor esperado de los errores es nulo, es decir que el promedio de la

Se dice que un estimador es insesgado cuando:

Hay invariabilidad de la varianza del error, lo cual indica que el modelo

No hay especificación errónea en el modelo, al escoger las variables

Cuando se hacen estimaciones sobre muestras aleatorias se obtiene

Los errores en promedio son nulos, es decir que el parámetro estimado

Una manera de transformar una serie de tiempo altamente persistente es:

Añadir una tendencia lineal

Aplicar logaritmo natural

Se dice que los procesos débilmente dependientes son integrados de

Una prueba adecuada para probar la normalidad de los errores es:

Cuando decimos que una series es fuertemente dependiente, se quiere decir

a)Su varianza no depende del tiempo

a)Es una serie I(0) o integrada de orden cero

a)Posee memoria limitada de su comportamiento pasado en el sentido

a)El pasado de la serie está muy relacionado con el presente por lo

Siempre que las series de tiempo que se utilicen sean débilmente

Una de las características de la R-Cuadrada Ajustada es:

a)Impone una sanción a la adición de más variables independientes a

a)aumenta cuando el tamaño de muestra es pequeño

Ajusta mejor en los modelos de regresión lineal cuando la variable

a)Ajusta y minimiza la varianza de los estimadores de MCO

Las pruebas de hipótesis de significancia individual, en el modelo de

Siempre deben ser evaluadas a 2 colas, para ganar certeza a la hora

Emplean distribuciones diferentes de acuerdo al modelo planteado y

Indican si se cumple o no una condición particular para un beta, dado

La información de tipo cualitativa en un modelo econométrico:

Solo se trabaja cuando la variable tiene 2 posibles valores

Es interesante, pero rara vez se incluye en el análisis

No se puede tener en cuenta ya que se requieren números para hacer

Se puede manejar a través de variables dicotómicas o dummies

Una debilidad de la prueba de White es

Abundancia de regresores en la prueba

inexactitud y poca confiabilidad.

No hay estadís co de prueba suﬁciente y robusto para su análisis

En la sigla ARIMA, el componente MA hace referencia a:

Asuma los siguientes datos de ventas en millones de pesos para una

El pronóstico de ventas para el mes de Julio usando el método de

En la siguiente regresión se explican los ingresos de los hogares en

Años de educación 6.902

Parcial Pregunta 18 3 / 4 pts

En la siguiente regresión se explican los ingresos de los hogares en

Años de educación 6.902