UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGERIERÍA ECONÓMICA

Curso: Econometría III

Prof. Froilán Lazo Flores

Taller 2

1. Dado el siguiente modelo AR(2): Yt = 1.170 Yt-1 – 0.315 Yt-2 + ε t

a) Probar si em modelo es estacionario. Utilice tres formas (i) Desigualdades,
(ii) ecuación característica y (iii) Polinomio característico.
b) Encontrar los valores de la FAP y la FAS para k= 0, 1, …, 4
c) Graficar los correlogramas correspondientes

2. Considere un modelo MA(2):

Zt =ε t−0.10 ε t −1 +0.21 ε t −2
a) ¿Es el modelo estacionario? ¿Por qué?
b) ¿Es el modelo invertible? ¿Por qué?

3. Teniendo el siguiente proceso AR(2): Yt = Yt-1 – α Yt-2 + ε t

a) Encontrar el rengo de α tal que el proceso sea estacionario

b) Encontrar la FAS para el modelo arriba mencionado con α = - ½

4. a) Encontrar la representación AR del proceso MA(1)

Zt =ε t−0.4 ε t −1
b) Encontrar la representación MA del proceso AR(2)

Zt =0.2 Zt .1−0.4 Z t−2+ ε t

5. Para cada uno de los siguientes modelos:

i) (1-L) Zt = (1-1.5) ε t
ii) (1-0.8L) Zt = (1-0.5) ε t
iii) (1-1.1L+ 0.8L2)Zt = (1-1.7 + 0.72L2) ε t
iv) (1-0.6L)Zt = (1-1.2L + 0.2L2) ε t

a) Verifique si son estacionarios y/invertibles

b) Exprese el modelo en una representación MA si ello existe
c) Exprese el modelo en una representación MA si ello existe

6. Del texto de Gujarati (5ta. edición), resuelva los ejercicios 21.26 y 21.27
7. Cuáles son las diferencias y o similitudes entre los procesos AR(1) y MA(1)
 TALLER 1
En las siguientes preguntas de alternativa múltiple, señale la respuesta correcta
y justifique brevemente su respuesta. Si usa ecuaciones y/o gráficos, tanto
mejor.

1. En un modelo lineal general expresado en términos matriciales: y= Xβ+u , el

^¿ ^¿
estimador ( β ¿ ) y su respectiva matriz de varianza-covarianza ( β ¿ ) están dados
por las siguientes expresiones:
^ −1 ^¿ )= 2
¿=( X' y ) X' X ; ¿^ −1
a. β ¿ var-cov ( β ¿ σ¿ (X ' X )
^ −1 ^¿ )= 2
¿=( X' X) X' y ; ¿^
b. β ¿ var-cov ( β ¿ σ¿ ( X ' y)−1
^ −1 ^¿ )= 2
¿=( X' X) X' y ; ¿^
c. β ¿ var-cov ( β ¿ σ¿ ( X ' X )−1
^
¿=( X' X) X ' y ; ^¿ )= 2
¿^
d. β ¿ var-cov ( β ¿ σ¿ (X ' X)
^ −1 ^¿ )= 2
¿=( X' X) X'X ; ¿^ −1
e. β ¿ var-cov ( β ¿ σ¿ ( X ' y)
2. Dada las siguientes matrices:

=3 2 =4
X'X [ ]
4 2 ; X' y 8[]
Al estimar por MCO el modelo de regresión lineal simple:
Y t =α + βX t +ut ,
los parámetros  y  resultan:
a. -4 y 4
b. -1 y 2
c. 2 y 1
d. -2 y 2
e. 4 y -4
3. De los siguientes enunciados:
I. El modelo de regresión lineal clásico supone que los parámetros son
invariantes en el tiempo; sin embargo, Lucas sugiere que en una economía
dinámica los agentes económicos cambian su conducta, por lo que dichos
parámetros no se mantendrían constantes.
II. Los modelos de Vectores Autoregresivos (VAR) consideran que todas las
variables son exógenas.
III. La crítica de Sims a Modelos de Ecuaciones Simultáneas, se refiere a la forma
arbitraria de imponer restricciones de exclusión o inclusión de variables para
conseguir la identificación.
IV. La causalidad de Granger se utiliza para analizar la causalidad económica de
más de dos variables, simultáneamente.
Entonces:
a. Sólo I y III son verdaderos
b. Sólo II y III son verdaderos
c. Sólo II y IV son verdaderos
d. Sólo I, II y III son verdaderos
 e. Sólo II, III y IV son verdaderos

4. Un modelo de corrección de errores (MCE) se caracteriza por tener:

a. Una regresión con alto R2, los estadísticos “t” significativos y un Durbin-
Watson cercano a 0.
b. Una regresión con bajo R2, los estadísticos “t” no significativos y un Durbin-
Watson cercano a 2.
c. Una ecuación que combina las relaciones de largo plazo (sugeridas por la
teoría económica) con la dinámica de corto plazo.
d. Una ecuación de regresión en donde los residuos son estacionarios, aun
cuando individualmente las series involucradas no lo sean.
e. Ninguna de las anteriores.

5. Con relación a los contrastes de raíces unitarias

I. El test de Dickey Fuller Aumentado (DFA) supone que los errores no están
autocorrelacionados ni son heteroscedásticos.
II. El test de Phillips-Perron (PP) es una corrección no paramétrica de los
procedimientos de Dickey-Fuller.
III. Los tests de raíz unitaria DFA y PP, asumen que bajo la hipótesis nula la serie
es estacionaria.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo II y III son verdaderas

6. Al realizar la prueba de raíz unitaria de la serie económica PIB del Perú mediante el
contraste KPSS, el programa econométrico E-Views, proporciona la siguiente
información:

Null Hypothesis: PIB is stationary

Exogenous: Constant, Linear Trend
Bandwidth: 5 (Newey-West using Bartlett kernel)

LM-Stat.

Kwiatkowski-Phillips-Schmidt-Shin test statistic  0.095765

Asymptotic critical values*: 1% level  0.216000
5% level  0.146000
10% level  0.119000

*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1) 

Residual variance (no correction)  96792034

HAC corrected variance (Bartlett kernel)  3.42E+08
 Con la información anterior, señale la proposición verdadera

a. La serie PIB es no estacionaria

b. La serie PIB es estacionaria
c. La serie PIB no es estacionario al 5% del nivel de significancia
d. La serie PIB no es estacionario al 10% del nivel de significancia
e. No se puede saber si es o no estacionaria, pues faltan datos

7. De las siguientes proposiciones respecto a la prueba de raíces unitarias:

I. Si se sospecha que una serie tiene más de una raíz unitaria, entonces la prueba
más adecuada es la de Dickey y Pantula.
II. La prueba KPSS tiene dos Procesos de Generadores de Datos (PGD);
mientras que las de Phillips-Perron tiene tres PGD.
III. La prueba de raíz unitaria en un contexto de quiebre estructural de una serie
económica debe llevarse a cabo mediante el test de Perron.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo I y II son verdaderas
d. Sólo II y III son verdaderas
e. Todas son verdaderas
8. Si se sospecha que durante un período de tiempo hubo un cambio estructural en la
serie económica, pero que no se sabe a priori la posible fecha, entonces para
probar la existencia de raíz unitaria debe utilizarse la prueba de:
a. Bierens
b. KPSS
c. Zivot-Andrews
d. Dickey-Fuller
e. Perron

9. En la metodología de cointegración de Engle-Granger, el procedimiento para llevar

a cabo la prueba se resume en lo siguiente:
a. Primero se formula el modelo de corrección de errores (MCE), luego se
realizan las pruebas de raíces unitarias de las series económicas y finalmente
se busca la cointegración.
b. Primero se prueban las raíces unitarias de las series económicas, si éstas
tienen el mismo orden de integración, entonces se estima la relación de largo
plazo, y si los residuales son estacionarios, entonces habrá cointegración y es
posible formular un MCE.
c. Primero se estima la relación de largo plazo, luego se verifica si los
residuales son integradas de orden 1 y finalmente se realizan pruebas de
raíces unitarias a las series.
d. Primero se estima la relación de corto plazo, luego se realizan pruebas de
raíces unitarias a las series y si éstos son estacionarios entonces cointegran
e. Primero se estima la relación de corto plazo, luego se prueban si los
residuales son de orden 1 y finalmente se formulan un MCE.
10. En la metodología de Cointegración de Engle-Granger, señale la proposición falsa:
a. Si se consideran cuatro series económicas, esta metodología puede detectar a
lo más cuatro vectores de cointegración
b. La estimación de la regresión de cointegración requiere que se fije a priori una
variable dependiente y la(s) otra(s) como independiente(s).
c. La multicolinealidad es una característica inherente de las variables
cointegradas.
d. Dada la regresión de dos variables: Yt =+Xt +t , si Yt y Xt son ambas
integradas de orden 1, y los residuales estimados (t) son I(0), entonces las
series cointegran
e. Los t-estadísticos de los parámetros del vector de cointegración son sesgados e
inconsistentes.

11. Para probar la estabilidad de los parámetros y exogeneidad existen tres tipos de
pruebas: Exogeneidad débil (ED), exogeneidad fuerte (EF) y superexogeneidad
(SE).
I. La ED tiene como objetivo realizar inferencia estadística
II. La EF requiere como requisito el cumplimiento de la ED y la no Causalidad de
Granger de la variable dependiente hacia la(s) variable(s) explicativa(s)
III. La SE tiene como propósito la evaluación de políticas en escenarios
alternativos.
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo I y II son verdaderas
d. Sólo II y III son verdaderas
e. Todas son verdaderas

12. En un modelo de regresión lineal: INFt = 1 + 2 DEVt + 3 PIBt + Ut para el

período trimestral 1980-I 2007.IV, donde INFt, es la tasa de inflación, DEVt es la
tasa de devaluación del tipo de cambio y PIB t indica la tasa de crecimiento del
producto. Para probar si existe autocorrelación en la varianza de los errores se
probó con el test de ARCH, en el programa E-Views, que se presenta a
continuación:
ARCH Test:

F-statistic 48.00607     Probability 0.000000

N*R2 33.84912     Probability 0.000000

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample (adjusted): 1980Q3 2007Q4
Included observations: 110 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

C 652.8483 445.4910 1.465458 0.1457

RESID^2(-1) 0.554759 0.080067 6.928641 0.0000
 R-squared 0.307719     Mean dependent var 1468.251
Adjusted R-squared 0.301309     S.D. dependent var 5391.184
S.E. of regresión 4506.368     Akaike info criterion 19.68239
Sum squared resid 2.19E+09     Schwarz criterion 19.73148
Log likelihood -1080.531     F-statistic 48.00607
Durbin-Watson stat 1.897344     Prob(F-statistic) 0.000000
Nota: N es el tamaño de la muestra.

Entonces:
I. La hipótesis nula establece que la varianza de los errores es homoscedástica
II. De acuerdo al estadístico F se rechaza la hipótesis nula
III. De acuerdo al estadístico N*R2 no se puede rechazar la hipótesis nula.
Por lo tanto:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo II y III son verdaderas

13. De las siguientes proposiciones:

I. Los test de White, Goldfeld-Quandt y Breusch-Pagan son útiles para analizar
la presencia de heteroscedasticidad.
II. Ante la presencia de heteroscedasticidad es ineficiente estimar con MCO por
lo que es aconsejable estimar por MCG.
III. El test de Durbin-Watson supone que el modelo debe incluir a la variable
endógena rezagada como una de las variables explicativas.
IV. El test de Multiplicador de Lagrange (LM) se emplea para analizar la
presencia de autocorrelación de cualquier orden.
Entonces:
a. Sólo I y II son verdaderas
b. Sólo I y III son verdaderas
c. Sólo II y III son verdaderas
d. Sólo I, II y III son verdaderas
e. Sólo I, II y IV son verdaderas

14. El cumplimiento de la prueba de Superexogeneidad, requiere a su vez que se cumpla

la Exogeneidad Débil y la invarianza estructural del modelo condicional. De esta
manera, si se cumpliera la Superexogeineidad, entonces se puede concluir que se:

a. rechazaría la Crítica de Lucas

b. confirmaría la Crítica de Lucas
c. rechazaría la Crítica de Sims
d. confirmaría la Crítica de Sims
e. confirmaría tanto la Crítica de Lucas como la de Sims.
15. En el contraste de Jarque-Bera para la normalidad de los residuos se requiere que los
valores de la Kurtosis y de la Asimetría tiendan, respectivamente a:
a. 3 y 0
b. 0 y 3
c. 3 y 1
d. 1 y 3
e. 3 y 3

16. En el siguiente cuadro se muestra la salida del programa E-Views, respecto a la

prueba de estacionariedad mediante el contraste KPSS:

Null Hypothesis: PIB is stationary

Exogenous: Constant, Linear Trend
Bandwidth: 9 (Newey-West using Bartlett kernel)

LM-Stat.

Kwiatkowski-Phillips-Schmidt-Shin test statistic  0.246205

Asymptotic critical values*: 1% level  0.216000
5% level  0.146000
10% level  0.119000

*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1) 

Residual variance (no correction)  12707832

HAC corrected variance (Bartlett kernel)  85366463
KPSS Test Equation
Dependent Variable: PIB
Method: Least Squares
Sample: 1980Q1 2007Q4
Included observations: 112

Variable Coefficient Std. Error t-Statistic Prob.  

C 18847.66 675.2547 27.91193 0.0000

@TREND(1980Q1) 154.9719 10.51306 14.74089 0.0000

R-squared 0.663910     Mean dependent var 27448.60

Adjusted R-squared 0.660855     S.D. dependent var 6176.689
S.E. of regresión 3597.066     Akaike info criterion 19.23132
Sum squared resid 1.42E+09     Schwarz criterion 19.27987
Log likelihood -1074.954     F-statistic 217.2937
Durbin-Watson stat 0.438971     Prob(F-statistic) 0.000000

Con base a la información anterior:

 I. La serie PIB es estacionaria a un nivel de significancia del 1%
II. La serie PIB no es estacionaria; es decir, tiene una raíz unitaria
III. La serie PIB es sólo estacionaria al 10%, pero no al 1% del nivel de
significancia.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo I y III son verdaderas
17. ¿Qué prueba no es adecuado para detectar la presencia de autocorrelación?
a. Durbin-Watson
b. Goldfeld-Quandt
c. Breusch-Godfrey
d. Box-Pierce
e. Ljung-Box
18. Dado el siguiente modelo de Probit:
Pr ( y i=1 /x i , z i )=Φ ( β 0 +β 1 x i +β 2 zi )+ε i
Donde:

y i= 1 , si la familia posee vivienda propia

{ 0 , caso contrario
x i  Ingreso en soles del jefe de familia

z i= 1 , si el jefe de familia cuenta con estudios superiores concluidos

{ 0 , caso contrario
Al estimarse el modelo en el programa STATA se obtuvo el siguiente resultado:
. probit y x z
Number of obs =
20
LR chi2(2) =
12.34
Prob > chi2 =
0.0021
Log likelihood = -7.5937087 Pseudo R2 =
0.4482

---------------------------------------------------------------------------
---
y | Coef. Std. Err. z P>|z| [95% Conf.
Interval]
-------------
+----------------------------------------------------------------
x | .0044416 .0022512 1.97 0.048 .0000294 .
0088538
z | .8781529 .7428353 1.18 0.237 -.5777775
2.334083
_cons | -3.782552 1.705265 -2.22 0.027 -7.124811
-.4402932
---------------------------------------------------------------------------
---

Entonces se puede decir que:

 a. En forma conjunta: 0, 1 y 2 son globalmente significativos y el
2
R McFadden=0 . 5518
b. Sí el ingreso del jefe de familia se incrementa en un Nuevo Sol la probabilidad
de tener vivienda se incrementa en 0.0044416
c. La probabilidad de tener vivienda es mayor en 0.871529 para los jefes de
familia con estudios superiores concluidos.
d. Sí el jefe de familia cuenta con estudios superiores la probabilidad de tener
vivienda se incrementa en 0.871529. Por otro lado 1 y 2 son significativos
individualmente a un p-value de 1%
e. En forma conjunta: 1 y 2 son globalmente significativos estadísticamente a
un p-value de 1%.

ut
19. Dado el siguiente modelo:
Qt =K αt Ltβ e , en donde Q es la producción, K es
^ K 0 .60 0 .50
¿= L
t t

el capital y L es el trabajo. Estimando el modelo se obtiene: Qt ¿ , las

desviaciones estándar para  y  son 0.15 y 0.10, respectivamente y el número de

observaciones (T=115). Entonces, se puede decir que:
a.  y  son significativos estadísticamente
b.  y  son no significativos estadísticamente
c.  y  son iguales a 0 numéricamente
d.  es diferente de 0 y  igual a 0 estadísticamente
e.  es igual a 0 y  diferente de 0 estadísticamente

20. ¿Cuál de las siguientes proposiciones es falsa?

a. En la estimación de un modelo bivariado, al multiplicar las variables por una
constante, el parámetro que indica la pendiente no se altera.
b. El problema de la multicolinealidad imperfecta es de naturaleza muestral
c. El supuesto de linealidad en una regresión se refiere exclusivamente a la
linealidad en las variables.
d. La presencia de heteroscedasticidad no elimina la propiedad de insesgamiento
de los parámetros.
e. El supuesto de regresores no estocáticos del modelo de regresión clásico es
una condición suficiente, pero no necesaria para la validez del teorema de
Gauss-Markov.

21. De las siguientes proposiciones sobre las consecuencias prácticas de la

multicolinealidad:
I. Aun cuando los estimadores MCO son MELI, éstos presentan varianzas y
covarianzas grandes que hacen difícil la estimación precisa.
II. Los intervalos de confianza tienden a ser más amplios lo cual propicia una
aceptación más frecuente de la “hipótesis nula cero”
III. Con t estadísticos bajos se tiende a rechazar con mayor facilidad la hipótesis
nula de que el verdadero valor poblacional relevante es cero.
Entonces:
a. Sólo I es verdadera.
b. Sólo II es verdadera
 c. Sólo III es verdadera
d. I y II son verdaderas
e. II y III son verdaderas

22. ¿Cuál de los siguientes contrastes no es necesario para detectar la presencia de

heteroscedasticidad?
a. Goldfeld-Quandt
b. RESET
c. Glejser
d. White
e. Breusch-Pagan-Godfrey.

23. En el problema de errores de especificación de un modelo lineal general, una de las

siguientes causas no es relevante:

a. Omisión de variables
b. Inclusión de una variable irrelevante
c. Adopción de una forma funcional equivocada
d. Errores de medición en la información estadística
e. Variables explicativas pueden estar correlacionados con el término error.

24. Para la estimación de los modelos Logit y Probit se asume que las perturbaciones
estocásticas tienen distribuciones:
a. Logística y Probabilística
b. Beta y Normal
c. Logística y Probabilística
d. Logística y Uniforme
e. Logística y Normal

25. En el siguiente modelo de ecuaciones simultáneas de demanda y oferta:

(1) Demanda : Qt = 0 + 1Pt + 2 It + u1t  ; 1<0, 2>0
(2) Oferta : Qt = 0 + 1Pt + 2 Pt-1 + u2t ; 1>0
Donde: Qt=Cantidad, Pt=Precio, It=Ingreso del consumidor; u1t y u2t son los
términos de perturbación estocástica. De acuerdo a la condición de orden para la
identificación:
a. La ecuación (1) está sobreidentificada y la ecuación (2) está subidentificada
b. La ecuación (2) está sobreidentificada y la ecuación (1) está subidentificada
c. Las ecuaciones (1) y (2) están sobreidentificadas
d. Las ecuaciones (1) y (2) están exactamente identificadas
e. Las ecuaciones (1) y (2) están subidentificadas
26. Son propiedades destacables de las series de tiempo cointegradas:
I. Las series cointegradas tienen una representación en un Modelo de Corrección
de Errores (MCE), y a la inversa, un MCE implica que las variables están
cointegradas
II. Cuando las variables están cointegradas los estimadores MCO de los
parámetros convergen a sus valores de largo plazo más rápidamente que con
variables estacionarias.
III. Las variables cointegradas nunca presentan problemas de multicolinealidad.
Entonces:
a. Sólo I es verdadero
b. Sólo II es verdadero
c. Sólo III es verdadero
d. Sólo I y II son verdaderos
e. Sólo I y III son verdaderos

27. Para estimar el modelo Probit se requiere que el término de perturbación estocástica,
tenga:
a. Una distribución logística con media cero y varianza uno.
b. Una distribución logística con media cero y varianza constante
c. Una distribución normal con media cero y varianza uno.
d. Una distribución Gamma con media cero y varianza igual a la unidad.
e. Una distribución Poisson con media cero y varianza igual a la unidad.
28. Los estimadores de los modelos Probit y Logit se obtienen mediante el método de:

a. Mínimos Cuadrados Ordinarios

b. Mínimos Cuadrados Ponderados.
c. Mínimos Cuadrados Generalizados
d. Máxima Verosimilitud.
e. Mínimos Cuadrados en dos Etapas

29. Con respecto a los modelos de Datos de Panel:

I. El modelo de efectos fijos establece que la intersección puede variar para cada
individuo; sin embargo, ésta es invariante en el tiempo.
II. El contraste de Haussman se emplea para elegir entre un modelo de efectos
fijos y efectos aleatorios
III. Una ventaja del modelo de efectos aleatorios es que utiliza menos grados de
libertad con respecto al de efectos fijos.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. I y II son verdaderas
e. Todas son verdaderas

30. Algunas de las posibles formulaciones estándar de modelos de Datos de Panel se

muestran a continuación:
 I. Todos los coeficientes son constantes en el tiempo y por individuo:
K
y it =α i + ∑ β ki x kit +ε it
k =1

II. Los coeficientes ’s son constantes, pero el intercepto  varía por individuos:
K
y it =α i + ∑ β k x kit +ε it
k =1

III. Todos los coeficientes (’s y ’s) varían por individuo y en el tiempo:
K
y it =α it + ∑ β kit x kit +ε it
k=1

Entonces:
a. Sólo I es verdadero
b. Sólo II es verdadero
c. Sólo III es verdadero
d. II y III son verdaderos
e. Todos son verdaderos.

31. Dado el siguiente modelo:

¿
y t =β 0 +β 1 X t +ut
En la que se postula la hipótesis:

y t − y t−1=δ ( y ¿t − y t−1 ) ; 0<δ≤1

El modelo descrito corresponde a:
a.Expectativas racionales
b. Ajuste parcial
c.Rezagos distribuidos
d. Rezago distribuido polinomial
e.Expectativas adaptativas

32. En el siguiente modelo de series de tiempo:

(1−φ 1 L−φ2 L2 )(1−L )Y t =(1+θ1 L+θ2 L2 +θ 3 L3 )ε t

Donde: L es el operador de retardos. La expresión representa un:

a. ARIMA (3,1,2)
b. ARIMA (2,0,3)
c. ARIMA (3,0,2)
d. ARIMA (2,1,2)
e. ARIMA (2,1,3)

33. En el modelo econométrico siguiente

Ct =α 0 +α 1 Y t + α 2 Rt +ut
 Donde: Ct es el consumo privado, Yt es el ingreso nacional y Rt es la riqueza. Al
realizar la prueba de estacionariedad se determinó que: Ct tiene una raíz unitaria,
Yt es integrada de orden 1 y R t requiere ser diferenciada una vez para volverla
estacionaria. En este caso:
a. Es posible que exista cointegración entre las variables, si los residuales no son
estacionarios.
b. Es posible que exista cointegración entre las variables, si los residuales son
estacionarios.
c. No puede existir cointegración, si los residuales son estacionarios.
d. Puede existir cointegración si las tres variables son integradas de orden cero.
e. Puede existir cointegración si las variables tienen diferente orden de
integración

34. En un modelo simplificado de determinación de la renta nacional:

Ct =α 0 +α 1 Y t + α 2 C t−1 +u1t (consumo)
I t =β 0 +β 1 r t +β 2 I t−1 +u 2t (inversión )
r t =δ 0 +δ1 Y t +δ 2 M t +u 3t (mercado de dinero )
Y t =C t +I t +G t (identidad de la renta nacional)
Donde:
C=consumo, Y=renta, I=inversión, r=tipo de interés M=oferta monetaria y
G=gasto público
I. La justificación para la simultaneidad del modelo es que las perturbaciones
estocásticas de las diferentes ecuaciones no deben estar correlacionadas
contemporáneamente.
II. Las variables predeterminadas son: 1; Ct-1; Mt; Gt; It-1
III. La ecuación de la inversión está sobreidentificada.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo II y III son verdaderas
35. En un proceso estacionario en el sentido débil:
I. Un shock aleatorio sobre su nivel tendrá efectos transitorios.
II. La varianza finita y permanece invariable en el tiempo.
III. Los valores sucesivos de su función de autocorrelación simple (FAS) decrecen
lentamente a cero cuando aumentan los retardos.
Etonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo II y III son verdaderas
36. Un proceso ruido blanco se refiere a:
a. Una serie de tiempo en el que su primera diferencia es un paseo aleatorio.
b. Una serie aleatoria con media diferente de cero, varianza y covarianza
crecientes en el tiempo.
c. Una serie aleatoria con media cero, varianza constante y covarianza cero.
d. Una serie aleatoria con media cero, varianza creciente y covarianza cero.
e. Una serie aleatoria con media cero, varianza y covarianza cero.

37. Con base a la salida del E-Views respecto a las funciones de autocorrelación simple
(AC) y autocorrelación parcial (PAC) y sus correspondientes gráficos para la serie
del PIB del Perú:
CORRELOGRAMA PARA EL IPC
Date: 12/02/21 Time: 08:48
Sample: 2003M01 2021M09
Included observations: 225

Autocorrelation Partial Correlation AC   PAC  Q-Stat  Prob

       .|*******        .|******* 1 0.986 0.986 221.81 0.000

       .|*******        .|. | 2 0.973 -0.002 438.54 0.000
       .|*******        .|. | 3 0.960 0.023 650.56 0.000
       .|*******        .|. | 4 0.948 0.011 858.12 0.000
       .|*******        .|. | 5 0.935 -0.002 1061.3 0.000
       .|*******        .|. | 6 0.923 -0.014 1260.0 0.000
       .|*******        .|. | 7 0.910 -0.020 1454.1 0.000
       .|******|        .|. | 8 0.898 0.006 1643.8 0.000
       .|******|        .|. | 9 0.885 -0.011 1829.1 0.000
       .|******|        .|. | 10 0.873 0.005 2010.2 0.000
       .|******|        .|. | 11 0.861 -0.011 2187.0 0.000
       .|******|        .|. | 12 0.849 0.007 2359.6 0.000
       .|******|        .|. | 13 0.837 -0.009 2528.2 0.000
       .|******|        .|. | 14 0.825 0.004 2692.9 0.000
       .|******|        .|. | 15 0.813 -0.009 2853.6 0.000
       .|******|        .|. | 16 0.801 -0.003 3010.4 0.000
       .|******|        .|. | 17 0.789 -0.016 3163.2 0.000
       .|******|        .|. | 18 0.777 -0.002 3312.2 0.000
       .|******|        .|. | 19 0.765 -0.008 3457.3 0.000
       .|***** |        .|. | 20 0.753 0.002 3598.7 0.000
       .|***** |        .|. | 21 0.742 -0.010 3736.4 0.000
       .|***** |        .|. | 22 0.730 -0.012 3870.3 0.000
       .|***** |        .|. | 23 0.718 -0.004 4000.5 0.000
       .|***** |        .|. | 24 0.706 -0.011 4127.1 0.000

Entonces:
I. La serie IPC se puede modelar como un proceso AR(1)
II. La serie IPC muestra un comportamiento estacionario
III. Los coeficientes de AC son estadísticamente significativos hasta el rezago 10
Por lo tanto:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo I y III son verdaderas
38. De las siguientes proposiciones:
I. Para detectar la raíz unitaria en presencia de quiebre estructural se utiliza la
prueba de Hylleberg-Engle-Granger-Yoo (HEGY).
II. Una serie de tiempo puede contener cuatro componentes: uno estacional, uno
cíclico, una tendencia y uno que es estrictamente aleatorio.
III. El componente estacional de una serie de tiempo muestra oscilaciones con
periodicidad fija.
Entonces
a. Sólo I es verdadero
b. Sólo II es verdadero
c. Sólo III es verdadero
d. I y II son verdaderos
e. II y III son verdaderos

39. ¿Cuál de las siguientes proposiciones es falsa?

a. Una serie estacionaria tiene media constante y una varianza que es constante
en el tiempo.
b. Las regresiones con variables estacionarias conllevan a la posibilidad de
obtener regresiones llamadas espurias.
c. Un modelo de corrección de errores (MCE) combina las relaciones de
variables en niveles (largo plazo) y variables en diferencias (corto plazo)
d. Una condición para que las series económicas cointegren es que deben tener el
mismo orden de integración.
e. Un paseo aleatorio es un proceso cuyas primeras diferencias forman un ruido
blanco.

40. Las siguientes ecuaciones representan un modelo de salario-precio (tipo curva de

Phillips):
W t =α 0 + α 1 Pt +α 2 Q t +u1t ( 1)
Pt =β 0 + β 1 W t + β 2 Y t +u2 t (2)
Donde: W es el salario, P representa los precios, Q es la productividad e Y es el
PIB.
I. La ecuación (1) no está identificada
II. La ecuación (2) está exactamente identificada
III. Las variables endógenas son Y y Q.
Entonces:
a.Sólo I es verdadera
b. Sólo II es verdadera
c.Sólo III es verdadera
d. Sólo I y II son verdaderas
e.Sólo I y II son verdaderas
41. En la metodología de cointegración multivariada de Johansen las principales
características son, excepto:
a. Contrasta simultáneamente el orden de intergración de las variables y la
presencia de relaciones de cointegración entre ellas.
b. Para la estimación utiliza el método de máxima verosimilitud con información
completa.
c. Estima todos los vectores de cointegración sin imponer a priori que sólo existe
uno como en el caso en la metodología de Engle-Granger.
d. Está basada en la estimación de un modelo VAR en la que todas las variables
se consideran exógenas.
e. Puede detectar a lo más K-1 vectores de cointegración (donde: K es el número
de variables).

42. En estudio de demanda de dinero para un determinado país se utilizaron las

siguientes variables: M, Y, R y E; donde: M es la cantidad real de dinero, Y es el
nivel de ingreso y R es la tasa de interés nominal y E es la tasa de depreciación del
tipo de cambio.
Para probar la existencia de relaciones de largo plazo se utilizó la metodología de
cointegración multivariada de Johansen, cuya salida de E-Views se muestra a
continuación.
Sample(adjusted): 1994:1 2007:3
Trend assumption: Linear deterministic trend
Series: M Y R E
Lags interval (in first differences): 1 to 4
Unrestricted Cointegration Rank Test

Hypothesized Trace 5 Percent 1 Percent

No. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None ** 0.4332 49.14 48.35 60.054
At most 1 ** 0.1776 19.06 35.07 40.198
At most 2 0.1128 8.69 20.17 24.988
At most 3 0.0434 2.35 9.09 12.741
*(**) denotes rejection of the hypothesis at the 5%(1%) level

Hypothesized Max-Eigen 5 Percent 1 Percent

No. of CE(s) Eigenvalue Statistic Critical Value Critical Value

None ** 0.4332 30.08 28.17 33.12

At most 1 ** 0.1776 10.37 21.89 26.41
At most 2 0.1128 6.34 15.75 19.83
At most 3 0.0434 2.35 9.09 12.74
*(**) denotes rejection of the hypothesis at the 5%(1%) level
 Con base a la información anterior, se deduce que:
I. De acuerdo al estadístico de la traza existe sólo un vector de cointegración al
nivel de 5% de nivel de significancia.
II. De acuerdo al estadístico de máximo valor propio existen dos vectores de
cointegración al nivel de 5% de nivel de significancia.
III. De acuerdo al estadístico de la traza no existe ningún vector de cointegración al
nivel de 1% de nivel de significancia.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo I y III son verdaderas

43. En la estimación de la regresión lineal: Yt = +Xt + ut:

I. Si el coeficiente de determinación (R2) y el estadístico t son altos, mientras que
el estadístico Durbin-Watson (DW) tiende a cero, entonces podría tratarse de
una regresión espuria.
II. Si Yt y Xt son integradas de orden 0, entonces el modelo es posible que exista
cointegración de las series.
¿^
III. Si Yt, Xt y u ¿ son integradas de orden 1, entonces el modelo no es espurio y
se puede realizar interpretación económica adecuada.
a.Sólo I es verdadera
b. Sólo II es verdadera
c.Sólo III es verdadera
d. Sólo I y II son verdaderas
e.Sólo I y III son verdaderas

44. De acuerdo al resultado del contraste de raíz unitaria para la inflación de Perú
(1992:01 - 1998:07) obtenido en E-Views.
t-statistic
ADF Test Statistic -2.174110 1% Critical Value* -2.5929
5% Critical Value -1.9445
10% Critical Value -1.6180

*MacKinnon critical values for rejection of hypothesis of a unit root.

Entonces:
a. La serie es estacionaria al 1% de nivel de significancia.
b. La serie tiene una raíz unitaria al 1% de nivel de significancia.
c. La serie tiene una raíz unitaria al 5% de nivel de significancia.
d. La serie es estacionaria al 99% de nivel de confianza.
e. La serie tiene raíz unitaria al 95% de nivel de confianza.
45. Dado el siguiente modelo: t y =θy
t−1 +ε t −αε t−1 , señale la proposición falsa:
a.Es un modelo ARMA(1,1).
b. Es un modelo ARIMA (1,1,1)
c.Este modelo será estacionario cuando |θ|<1 .
d. Este modelo será invertible cuando |α|<1 .
e.El modelo se puede escribir también como: (1 –L)Yt = (1- αL)t
…
46. Una serie económica estacionaria se caracteriza por tener:
a. Una “memoria ilimitada” de su comportamiento pasado por lo que un shock
aleatorio tendrá efectos permanentes.
b. Una “memoria limitada” de su comportamiento pasado por lo que un shock
aleatorio tendrá efectos transitorios.
c. Una función de autocorrelación simple que decrece lentamente cuando
aumenta los retardos.
d. Una varianza infinita y dependiente del tiempo.
e. Una media variable y su varianza creciente en el tiempo.

47. La ecuación para el contraste de raíz unitaria de Dickey-Fuller Aumentado (DFA):

p
ΔY t =α + βt + γY t−1 + ∑ θΔY t−i+1 +ε t
i=2

Supone que:
I. Los errores no están autocorrelacionados ni son heteroscedásticos
II. La parte aumentada incorpora las primeras diferencias rezagadas de la variable
en cuestión.
III. La prueba sirve para detectar varias raíces unitarias.
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. I y II son verdaderas
e. II y III son verdaderas

48. El contraste de raíz unitaria de Phillips-Perron

I. Es una corrección no paramétrica de los procedimientos de Dickey-Fuller.
II. Supone que las perturbaciones pueden tener autocorrelación y
heteroscedasticidad
III. En la hipótesis nula se establece que una serie es estacionaria.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo I y III son verdaderas

49. Con respecto a los siguientes modelos econométricos:

 I.
LnY t =β 1 +β 2 LnX t +ut
II. Y t =β 1 + β 2 (1 / X t )+ut
III. t Y =β 1 + β 2 ln X t +u t
Entonces:
a. En el modelo III, 2 mide la elasticidad de Yt con respecto a Xt.
b. En el modelo I, 2 mide la semielasticidad de Yt con respecto a Xt.
c. En el modelo II, 2 mide la elasticidad de Yt con respecto a Xt.
d. En el modelo I, 2 mide el cambio porcentual de Yt ante cambio porcentual en
Xt.
e. En el modelo I, 2 mide el cambio porcentual de Xt ante cambio porcentual en
Yt.
50. En una estimación de una función de demanda por dinero convencional se obtuvo:

Ln(M/P) = 5.2 + 1.22 LnY - 0.10 i

(1.3) (0.4) (0.02)

N=112; R2=0.92; DW = 2.02; Fc = 6.5

Donde: Ln significa logaritmo natural, M/P son los saldos reales, Y el nivel de
ingreso e i el tipo de interés. Las cifras entre paréntesis son los errores estándar.
I. Los signos de los parámetros estimados son consistente con la teoría económica
II. La demanda de dinero es inelástica con respecto al ingreso
III. El parámetro estimado asociado al tipo de interés es estadísticamente
significativo
Entonces:
a.Sólo I es verdadera.
b. Sólo II es verdadera.
c.Sólo III es verdadera
d. Sólo I y II son verdaderas
e.Sólo I y III son verdaderas

51. La condición de orden para la identificación de las ecuaciones de un modelo

simultáneo, establece que:
I. Una ecuación está sobreidentificada, si el número de variables
predeterminadas excluidas de la ecuación es menor que el número de
variables endógenas incluidas menos 1.
II. Una ecuación está subidentificada si el número de variables predeterminadas
excluidas de la ecuación es mayor que el número de variables endógenas
incluidas menos 1.
III. Una ecuación está exactamente identificada si el número de variables
predeterminadas excluidas de la ecuación es igual al número de variables
endógenas incluidas menos 1.

a. Sólo I es verdadera
 b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo II y III son verdaderas
52. Dado el modelo de determinación de la renta nacional en su versión más simple:
Ct = α+βYt + ut
Yt = Ct + It (=St)
Donde: Ct = gasto de consumo agregado, Y = renta nacional, It = gastos que no
son de consumo y ut = término de perturbación estocástica.
La ecuación de la forma reducida correspondiente a la renta nacional (Y) es:

α β 1
Y t= + It + u
a. 1−β 1−β 1−β t
α 1 1
Y t= + It + u
b. 1−β 1−β 1−β t
1 β 1
Y t= + It + u
c. 1−β 1−β 1−β t
1 α 1
Y t= + It + u
d. 1−β 1−β 1−β t
1 1 1
Y t= + It+ u
e. 1−β 1−β 1−β t
53. De las siguientes proposiciones:
I. El coeficiente de determinación de R2 siempre es positivo
II. El supuesto de normalidad del término de perturbación es necesario para
demostrar que los estimadores MCO son MELI
III. Si dos variables presentan colinealidad perfecta, los parámetros estimados
presentan alta varianza.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo II y III son verdaderas

54. El Teorema de Representación de Granger establece que:

a. Un conjunto de variables cointegradas puede modelarse mediante MCE y, a la

inversa, si la especificación de MCE es correcta, existe una relación de
cointegración entre las variables estudiadas.
b. Un conjunto de variables estacionarias puede modelarse mediante MCE y, a la
inversa, si la especificación de MCE es correcta, existe una relación de
cointegración entre las variables estudiadas.
c. Existe relación entre estacionalidad y estacionariedad de las series en el corto
y largo plazo.
 d. Las relaciones entre el corto plazo y el largo plazo en un mecanismo de
corrección de errores (MCE)
e. Existe la posibilidad de obtener cointegración entre variables estacionarias y
luego formular un MCE.

55. En las siguientes proposiciones sobre modelos de ecuaciones simultáneas:

I. El método de MCO es sólo apropiado para ecuaciones exactamente

identificadas.
II. El método de MC2E es apropiado para ecuaciones exactamente identificadas y
sobreidentificadas.
III. El método de MCI es sólo es apropiado para ecuaciones sobreidentificadas.
IV. El método de MC3E es asintóticamente más eficiente que el método de MC2E.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. II y IV son verdaderas
d. I y III son verdaderas
e. I, II y III son verdaderas

56. La forma reducida del modelo dinámico de Koyck:

Y t =α (1−λ )+β 0 X t +λY t−1 +V t
Al estimarse dicho modelo en el programa STATA con datos anuales se obtuvo lo
siguiente:

. regre Y X L.Y

Source | SS df MS Number of obs = 19

-------------+------------------------------ F( 2, 16) = 1327.92
Model | 1380.64972 2 690.324859 Prob > F = 0.0000
Residual | 8.31765901 16 .519853688 R-squared = 0.9940
-------------+------------------------------ Adj R-squared = 0.9933
Total | 1388.96738 18 77.1648543 Root MSE = .72101

------------------------------------------------------------------------------
Y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
X | .0055256 .0019966 2.77 0.014 .001293 .0097582
Y |
L | .7327352 .1414517 5.18 0.000 .432871 1.0326
_cons | -1.354701 .5585716 -2.43 0.027 -2.538819 -.1705818
------------------------------------------------------------------------------
Donde, L es el operador de retardos; entonces el parámetro () es:
a.0.0552
b. 0.7327
c.-5.0687
d. -1.3547
e.-0.7327
57. En econometría de series de tiempo, un paseo aleatorio (random walk) con deriva
(drift) se puede representar mediante la siguiente ecuación:

a. yt = 0 + 1 yt-1 + t
b. 2 yt = 0 + 1 yt-1 + t
c. yt = 1 yt-1 + t
d. yt = 0 + yt-1 + t
e.yt = 1 yt-1 + t

58. Al estimarse la función de consumo privado (C) para una determinada economía se
obtiene lo siguiente:
¿^ =48 + 0.80 YD
t t
C ¿ (4.0) (0.2)
Número de observaciones (T )=60 ; R2 =0.99; DW=0.25
Donde: YD es el ingreso disponible y las cifras entre paréntesis son los errores
estándar.
Con base a la información anterior
I. La propensión marginal a consumir no es significativo estadísticamente
II. El estadístico F es igual a 16
III. Hay indicios de que la regresión es espuria
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo II y III son verdaderas

59. En el siguiente modelo estimado por MCO de demanda de dinero convencional para
el período 1987-1997 en el programa E-Views se obtuvo:
d
^ =0 . 18+0 .98 Y −0 . 04i
¿
t t t
M ¿ ,
Para analizar la estabilidad del modelo se aplicó el contraste de CUSUM
cuadrado:
 T e s t d e e s ta b ilid a d C U S U M c ua d ra d o
1.6

1.2

0.8

0.4

0.0

-0.4
88 89 90 91 92 93 94 95 96 97

C U S U M o f S q ua re s 5 % S ig nific a nc e

Entonces:
I. El modelo no presenta quiebre estructural.
II. Los residuales del modelo muestran estabilidad.
III. Los parámetros estimados del modelo son estables.
Por lo tanto:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo I y III son verdaderas
60. En la estimación de modelos de ecuaciones simultaneas:
I. El método de MC2E implica que en la primera etapa se estiman los
parámetros de la forma reducida y en la segunda, los parámetros de la forma
estructural
II. El método de MC2E implica que en la primera etapa se estiman los parámetros
de la forma estructural, y en la segunda, los parámetros de la forma reducida
III. El método de MCI consiste en estimar los parámetros de la forma reducida y a
partir de ellas recuperar los parámetros estructurales.
Entonces:
a. Sólo I es verdadera
b. Sólo II es verdadera
c. Sólo III es verdadera
d. Sólo I y II son verdaderas
e. Sólo I y III son verdaderas