Examen sustitutorio de Econometrı́a 2

Preparado por: Hebert Suarez Cahuana

Apellidos y nombres:...............................................................................................................................
Recomendaciones:

Utilice sus propios útiles.

Apague su celular.

1. El modelo AR(p) se define como:

a) Esta definido como: Yt = β0 + βp Yt−p + ut

b) Representa a Yt como una función lineal de sus rezagos propios.
c) Se puede representar como sigue: Yt = β0 + β1 Yt−1 + ut−p .
d ) Se representa como: A(L)Yt = β0 + ut con A(L) = 1 − L − L2 − L3 − ... − Lp +
e) Se representa como con Yt = β0 + β1 Xt + βp Yt−p + ut
f ) Ninguna de las anteriores.
2. Deberı́a usar el estadı́stico QLR para quiebres estructurales cuando:
a) La prueba de Chow tiene un valor p entre 0.05 y 0.10.
b) Se desconoce la fecha de quiebre estructural de los datos.
c) Hay quiebre estructural sólo en algunos coeficientes, pero no en todos los coeficientes de la regresión.
d ) Se conoce la fecha de quiebre estructural.
e) El estadı́stico F de prueba de Chow es menor a 2.
f ) Ninguna de las anteriores.

3. En la siguiente regresión

b= 0,51 − 0,11 Yt−1 − 0,19 ∆Yt−1

(0,21) (0,04) (0,08)

(Desviaciones tı́picas entre paréntesis)

el valor crı́tico del estadı́stico Dickey-Fuller al 5 % es -2.86, entonces se concluye:

a) La serie Yt tiene tendencia estocástica.
b) La serie Yt no tiene tendencia estocástica.
c) La serie Yt tiene quiebre estructural.
d ) La serie Yt no tiene quiebre estructural.
e) La serie Yt es estacionaria.
f ) Ninguna de las anteriores.
4. En el contexto de un experimento controlado considere el modelo de regresión simple Yi = β0 + β1 Xi + ui .
Donde Y es el resultado, X es el nivel de tratamiento que es binario y ui contiene los determinantes
adicionales del resultado. Entonces a β̂1 se le denomina el estimador de la diferencia:
a) Tiene sentido porque es la diferencia entre el valor de la media del resultado en el grupo tratado y
la media del resultado en el grupo de control
b) Y β̂0 es el estimador del nivel en la terminologı́a estándar de los experimentos controlados.
c) No tiene sentido porque Y y X están en diferencias.
d ) No es exacto porque es la derivada de Y con respecto a X
e) Es similar a la prueba de Smirnov-Kolgomorov.
f ) Ninguna de las anteriores.
 5.
6. ¿Cuál de los siguientes métodos no deberı́an utilizarse para proba la aleatorización cuando Xi es binaria?

a) El modelo de probabilidad lineal (MCO) con errores válidos sólo bajo homoscedasticidad.
b) Probit.
c) Logit.
d ) El modelo de probabilidad lineal (MCO) con errores válidos robustos ante heteroscedasticidad.
e) El estimador Newey-West.
f ) Ninguna de las anteriores.
7. Los cuasi-experimentos:
a) Proporcionan un enlace entre los métodos econométricos de análisis de conjuntos de datos y las ideas
estadı́sticas de un verdadero experimento controlado.
b) No son lo mismo que un experimento y las lecciones aprendidas de su uso no se pueden aplicar a un
experimento.
c) El más usados es el estimador de la diferencia de las diferencias que es distinto del estimador de
variables instrumentales.
d ) Utiliza todos los métodos utilizados como MCO, datos de panel, modelos probit, logit y estimación
de variables instrumentales.
e) Utilizan el análisis de varianza.
f ) Ninguna de las anteriores.
8. Para probar la aleatoriedad en el recibimiento del tratamiento:

a) En general, no es posible.
b) Implica probar que los coeficientes sobre W1i , W2i , ..., Wri no son todos cero en una regresión de Xi
sobre W1i , W2i , ..., Wri .
c) No tiene sentido porque la variable del lado derecho es binaria.
d ) Implica probar que los coeficientes sobre W1i , W2i , ..., Wri son todos cero en una regresión de Xi
sobre W1i , W2i , ..., Wri .
e) Se debe utilizar la prueba de Bonferroni.
f ) Ninguna de las anteriores.

9. En el diseño de regresión por discontinuidad:

a) Cruzar el umbral influye en el tratamiento pero no es el único determinante.
b) La lı́nea de regresión debe ser lineal por debajo y por encima del umbral.
c) En general, Xi y ui están correlacionados.
d ) La recepción del tratamiento esta determinada por si Wi excede el umbral.
e) Utiliza la regresión quantil como herramienta de análisis.
f ) Ninguna de las anteriores.
10. La amenazas a la validez interna de los cuasi-experimentos incluyen:
a) Fallas de aleatorización.
b) Fallas en el cumplimiento del protocolo del experimento.
c) Attrition.
d ) Todas la anteriores con alguna modificacion a partir del experimento aleatorio controlado.
e) El efecto Hawwthorne.
f ) Ninguna de las anteriores.
11. En el caso de la regresión simple, donde la variable independiente esta medida con un error i.i.d.
 2
p σX
a) β̂1 −−→ 2 β
2 1
σX + σw
2
p σX
b) β̂1 −−→ 2 + σ2
σX w
2
p σw
c) β̂1 −−→ 2 + σ 2 β1
σX w
2
p σw
d ) β̂1 −−→ 2
β
2 1
σw + σw
2
p σX
e) β̂1 −−→ β1 +
σY2 2
+ σw
f ) Ninguna de las anteriores.
12. En el caso del sesgo por error en las variables:
a) Se debe utilizar el método de máxima verosimilitud.
b) El estimador de MCO es consistente si la varianza en la variable no-observada es relativamente grande
comparado con la varianza en el error de medida.
c) El estimador MCO es consistente, pero ya no es insesgado en muestras pequeñas.
d ) Se debe utilizar variables dummy como variables independientes.
e) Origina que el estimador MCO sea eficiente.
f ) Ninguna de las anteriores.
13. En el caso del sesgo por error en las variables, el tamaño preciso y la dirección depende de:
a) El tamaño de la muestra.
b) La correlación entre la variable medida y el error de medida.
c) La magnitud del R2 .
d ) Si el bien en cuestión tiene elasticidad precio superior a 1 en valor absoluto.
e) La correlación entre el valor verdadero de X y Y .
f ) Ninguna de las anteriores.
14. La cuestión sobre la validez/invalidez de la regresión múltiple depende de:
a) Validez interna pero no validez externa.
b) La calidad de su software econométrico.
c) La validez interna y externa.
d ) La validez externa pero no la validez interna.
e) La validez cientı́fica de la regresión.
f ) Ninguna de las anteriores.
15. Un análisis estadı́stico tiene validez interna si:
a) Todos los estadı́sticos t son mayores que —1.96—.
b) El R2 es mayor 1ue 0.05.
c) La población es pequeña, por ejemplo 2000 personas y se pueden observar todas.
d ) Las inferencias estadı́sticas acerca de los efectos causales son válidas para la población en estudio.
e) Los estimadores MCO son insesgados, eficientes e insesgados.
f ) Ninguna de las anteriores.
16. La validez interna significa que:
a) El estimador del efecto causal es insesgado y consistente.
b) El estimador del efecto causal debe ser eficiente.
c) Las inferencias y conclusiones se pueden generalizar de la población en estudio hacia otras poblaciones.
 d ) Se ha utilizado el método de mı́nimos cuadrados ordinarios para obtener los estimadores en su software
economı́etrico.
e) Se ha utilizado el método de máxima verosimilitud para obtener los estimadores en su software
economı́etrico.
f ) Ninguna de las anteriores.
17. Un funcionario de una universidad desea determinar el efecto causal del tamaño del grupo X sobre el
promedio del grupo Y en el que los estudiantes se matriculan a través de Internet eligiendo los grupos que
desean, para ello se estima el modelo siguiente: Yi = β0 + β1 Xi + ui , se tiene un total de n = 105 grupos
con sus respectivos tamaños (alumnos matriculados por grupo en determinada asignatura) y el respectivo
promedio de cada grupo. Una amenaza más probable a esta regresión es:
a) Sesgo de selección muestral.
b) Forma funcional incorrecta.
c) Doble causalidad.
d ) Error en las variables.
e) Sesgo por variable omitida.
f ) Ninguna de las anteriores.

Las amenazas a la validez interna de la regresión originan:

18. a) Multicolinealidad perfecta.
b) La incapacidad de transferir el conjunto de datos hacia su software econométrico.
c) Incumplimiento de uno o más supuestos MCO.
d ) Una falsa generalización hacia la población de interés.
e) Que los estimadores sean asintóticamente eficientes.
f ) Ninguna de las anteriores.
19. El efecto causal podrı́a no ser el mismo en la población estudiada y la población de interés debido a:

a) Diferencias en las caracterı́sticas de la población.

b) Diferencias geográficas.
c) El estudio esta desactualizado.
d ) Todo lo anterior.
e) El estimador MCO es sesgado.
f ) Ninguna de las anteriores.
20. Una regresión de la inf laciónt (Yt ) sobre el desempleot (Xt para establecer una relación de causalidad,
en esta regresión no se cumple el supuesto:
a) Xt es exógena, es decir E(ut /Xt , Xt−1 , ...) = 0
b) Las variables Xt y Yt tienen una distribución estacionaria.
c) (Yt , Xt ) y (Yt−j , Xt−j ) se hacen independientes a medida que j se hace grande.
d ) Los valores extremos de Xt y Yt son poco probables, ambas variables tienen el momento 8 finito.
e) No existe multicolinealidad perfecta.
f ) Existe heteroscedasticidad.
g) Ninguna de las anteriores.
21. El modelo de regresión de efectos fijos:
a) Tiene n interceptos diferentes.
b) Los coeficientes de las pendientes son diferentes entre entidades, pero el intercepto es ”fijo”(permanece
sin cambio).
c) Mantiene ”fija”la heteroscedasticidad (la corrige).
 d ) En un modelo log-log se puede incluir los logaritmos de las variables dicotómicas, las cuales controlan
los efectos fijos.
e) Es un estimador insesgado del verdadero parámetro poblacional.
f ) Ninguna de las anteriores.
22. En el modelo de regresión de efectos fijos, se debe excluir una variable dicotómica para los perı́odos
temporales cuando un intercepto esta presente en la ecuación ...

a) Porque se debe excluir siempre al primer perı́odo del conjunto de datos.

b) Porque existen demasiados coeficientes a estimar.
c) Para evitar lo multicolinealidad perfecta.
d ) Para permitir que que existan algunos cambios entre perı́odos temporales.
e) Para permitir que exista la homoscedasticidad.
f ) Ninguna de las anteriores.
23. Cuando se agrega los efectos fijos a nivel de entidad a un modelo de regresión simple, en donde se tiene
información sobre la misma entidad a través del tiempo y el R2 aumenta de manera significativa, entonces
es seguro suponer que:

a) Las variables explicativas incluidas distintas de los efectos fijos no son importantes.
b) El modelo de efectos fijos a nivel de entidad explica una gran parte de la variación de los datos.
c) El coeficiente de las otras variables explicativas incluidas no cambiará.
d ) Los efectos fijos temporales no son importantes.
e) Los estimadores son insesgados.
f ) Ninguna de las anteriores.
24. En una regresión de datos de panel con efectos fijos en donde n = 48 y T = 7. Para probar la significancia
de los efectos fijos a nivel de entidad, se debe calcular el estadı́stico F y compararlo con el valor crı́tico
de una distribución Fq,∞ , donde q es igual a:

a) 48
b) 54
c) 7
d ) 47
e) 17
f ) Ninguna de las anteriores.
25. En una regresión de datos de panel con efectos fijos temporales en donde n = 48 y T = 7. Para probar
la significancia de los efectos fijos temporales, se debe calcular el estadı́stico F y compararlo con el valor
crı́tico de una distribución Fq,∞ , donde q es igual a: (α = 0,05)

a) 7
b) 6
c) 48
d ) 47
e) 2.64
f ) Ninguna de las anteriores.
26. Suponga que T = 2 y usted ha estimado una regresión simple entre las diferencias d las variables y
encuentra un intercepto positivo estadı́sticamente significativo. Esto implica que:
a) Un cambio negativo en la variable del lado derecho ante un cambio igual a cero en la variable del
lado derecho puesto que se ha restado el primer perı́odo del último.
b) Que el método de estimación de datos de panel es incorrecto puesto que al diferenciar los datos se
elimina la constante (el intercepto) en una regresión.
 c) Un cambio positivo en la variable del lado izquierdo ante un cambio igual a cero en la variable del
lado derecho.
d ) Que la variable del lado derecho ha cambiado entre los dos perı́odos.
e) Que la variable del lado izquierdo tiene un cambio positivo.
f ) Ninguna de las anteriores.
27. Los errores estándar HAC (Heteroskedasticity Autocorrelation Consistent standard errors) y los errores
estándar agrupados (Clustered standard errors) están relacionados de la siguiente manera:
a) Son los mismos.
b) Los errores estándar agrupados son un tipo de errores HAC.
c) Son los mismos si los datos son diferenciados.
d ) Los errores estándar agrupados son la raı́z cuadrada de los errores estándar HAC.
e) Los errores estándar HAC se utilizan cuando los errores están correlacionados entre entidades.
f ) Ninguna de las anteriores.
28. En un modelo de datos de panel, el término del error:
a) Probablemente este correlacionado en el tiempo dentro de una entidad.
b) Debe calcularse teniendo en cuenta la heteroscedasticidad pero no la autocorrelación.
c) Sólo existe para el caso en el que T > 2.
d ) Esta correlacionado entre entidades.
e) Es homoscedástico.
f ) Ninguna de las anteriores.
29. Se recomienda utilizar los errores estándar agrupados (Clustered standard errors) en una regresión de
datos de panel porque:
a) Sin Clustered standard errors, el estimador MCO es sesgado.
b) Las pruebas de hipótesis se llevan a cabo de la manera usual incluso cuando existen pocas entidades
(n es pequeño).
c) Son más fáciles de calcular que los errores estándar que suponen la homoscedasticidad.
d ) El estimador de efectos fijos se distribuye normalmente de manera asintótica cuando n es grande.
e) El estimador de efectos fijos se distribuye normalmente de manera asintótica cuando T es grande.
f ) Ninguna de las anteriores.
30. En el modelo de datos de panel, si Xit esta correlacionado con Xis para diferentes valores de s y t, entonces:
a) Xit esta autocorrelacionado.
b) El estimador MCO no se puede estimar.
c) No se puede realizar la inferencia estadı́stica de la manera convencional aún cuando se utilicen los
errores estándar agrupados (Clustered standard errors).
d ) No es un tema de importancia práctica puesto que estas correlaciones son generalmente pequeñas en
las aplicaciones.
e) Existe heteroscedasticidad en los errores.
f ) Ninguna de las anteriores.
31. Un investigador esta interesado estudiar el efecto que tiene los años de educación sobre el salario de las
personas cuenta con un panel de datos balanceado de n = 1320 personas con T = 10, el investigador
estima el siguiente modelo por MCO
log(salarioi ) = β0 + β1 educit + uit
Un crı́tico sostiene que el estimador β̂1 es sesgado porque a través del tiempo existen factores que afectan
a todas las personas del paı́s y que incrementan los salarios, como por ejemplo la innovación tecnológica
que aumenta la productividad de los trabajadores y por ende sus salarios, por lo que la variable educación
estarı́a capturando el efecto de la innovación tecnológica y no el efecto del entrenamiento educativo.
Una manera de solucionar esta observación por parte del crı́tico serı́a:
 a) Estimar el modelo por efectos fijos.
b) Estimar el modelo por efectos aleatorios.
c) Estimar el modelo por variables instrumentales.
d ) Estimar el modelo con efectos aleatorios temporales
e) Estimar el modelo con efectos fijos temporales.
f ) Ninguna de las anteriores.
32. Se selecciona un muestra de entidades (empresas) con el fin de hacer un estudio en la provincia de Equiparar
y construir un panel de datos de empresas,y estimar un modelo como:
Yit = β1 X1,it + β2 X2,it + ... + βK Xk,it + αi + ui,t i = 1, ...n, t = 1, ..., T
k = 1, ..., K
la muestra se toma de la siguiente manera:
El diseño muestral es bietápico de la siguiente manera:
1) En la primera etapa se seleccionan aleatoriamente distritos.
2) En la segunda etapa se seleccionan empresas dentro de cada distrito.
¿Cuál de los siguientes supuestos del modelo de efectos fijos no se cumple?
a) uit tiene media condicional cero: E(uit /Xk,i,t , αi ) = 0 ∀k, i, t.
b) (Xkit , Xki2 , ..., Xkit , ui1 ) ∼iid de una distribución conjunta.
c) Los valores extremos son poco probables: (Xkit , uit ) tienen cuarto momento finito distinto de cero.
d ) No existe multicolinealidad perfecta.
e) Existe heteroscedasticidad.
f ) Ninguna de las anteriores.
33. Si no se cuenta con un conjunto de datos de panel y existen variables omitidas que varı́an entre entidades
y a través del tiempo, una manera de eliminar la influencia de las variables omitidas es utilizar:
a) El método de variables instrumentales.
b) El método de mı́nimos cuadrados ponderados.
c) El método de mı́nimos cuadrados generalizados.
d ) El método de variable dependiente limitada.
e) El método de variables instrumentales.
f ) Ninguna de las anteriores.
34. El estimador de efectos fijos es:
a) Se distribuye normalmente en muestras pequeñas.
b) Insesgado.
c) Robusto.
d ) Consistente.
e) Eficiente.
f ) Ninguna de las anteriores.
35. La regla práctica para determinar un instrumento débil es como sigue: par el caso de un simple regresor
endógeno:
a) En la primera etapa F debe ser estadı́sticamente significativo para considerar que es un instrumento
fuerte.
b) En la primera etapa F > 1,96 indica que el instrumento es débil.
c) El estadı́stico t de cada instrumento debe ser mayor que 1.64.
d ) En la primera etapa F < 10 indica que el instrumento es débil.
e) El error estándar de la regresión debe ser mayor a 4.
 f ) Ninguna de las anteriores.
36. La distinción entre una variable endógena y exógena es:
a) Las variables exógenas se determinan dentro del modelo y las variables endógenas son determinadas
fuera del modelo.
b) Depende del tamaño de la muestra: Para n > 100, las variables endógenas se vuelven exógenas.
c) Depende de la distribución de las variables: Cuando las variables están normalmente distribuidas son
exógenas, de otra forma son endógenas.
d ) Si están o no correlacionadas con el término del error.
e) Si están o no correlacionadas con los regresores.
f ) Ninguna de las anteriores.
37. El estimador de mı́nimos cuadrados en dos etapas (Two Stage Least Squares TSLS) es:
a) Consistente y tiene distribución normal en muestras grandes.
b) Insesgado.
c) Eficiente en muestras pequeñas.
d ) Distribuido como una distribución F .
e) Insesgado en muestras pequeñas.
f ) Ninguna de las anteriores.
38. Los instrumentos débiles son un problema porque:
a) El estimador TSLS podrı́a no distribuirse de manera normal, aún en muestras grandes.
b) Podrı́a suceder que los instrumentos no sean exógenos.
c) El estimador TSLS no se puede calcular.
d ) No se puede predecir la variable endógena ni en la primera etapa.
e) Elevan el grado de colinealidad entre los regresores haciendo que las varianzas de los estimadores se
incrementen y no se rechace la hipótesis nula individual.
f ) Ninguna de las anteriores.
39. Considere un modelo con un regresor endógeno y dos instrumentos. Entonces el estadı́stico J será mayor:
a) Si el número de observaciones es muy grande.
b) Si los coeficientes son muy diferentes cuando se estima los coeficientes utilizando un instrumento cada
vez.
c) Si los estimadores TSLS son muy diferentes de los estimadores MCO.
d ) Cuando se utiliza sólo los errores estándar válidos bajo homoscedasticidad.
e) Cuando el estadı́stico J es mayor al estadı́stico F .
f ) Ninguna de las anteriores.
40. Sea W las variables exógenas incluidas en una función de regresión que también tiene regresores endógenos
X. Las variables W pueden:
a) Ser variables de control.
b) Tener la propiedad E(ui /Wi ) = 0
c) Ser un instrumento que esta incorrelacionado con u.
d ) Una variable dicotómica.
e) Todo lo anterior.
41. La lógica de las variables de control en una regresión con variables instrumentales es:
a) Similar a la lógica de las variables de control en MCO.
b) Sólo se aplica en el caso de errores homoscedásticos en la primera etapa de la estimación de mı́nimos
cuadrados en dos etapas.
 c) Es sustancialmente diferente de la lógica de las variables de control en MCO, puesto que hay dos
etapas en la estimación.
d)
e) Implica que el estimador de mı́nimos cuadrados en dos etapas es eficiente.
f ) Hace que los estimadores sean consistentes.
42. Para que W sea una variable de control efectiva en una estimación de variable instrumental, se debe
cumplir la siguiente condición:

a) E(ui ) = 0
b) E(ui /Zi , Wi ) = E(ui /Wi )
c) E(ui uj ) 6= 0
d ) Debe haber un intercepto en la regresión.
e) Debe estar correlacionado con el error.
f ) Ninguna de las anteriores.
43. El estimador de variable instrumental V I puede eliminar el sesgo que proviene de:
a) La multicolinealidad.
b) La correlación serial.
c) Errores en las variables.
d ) Heteroscedasticidad.
e) Forma funcional mal especificada.
f ) Ninguna de las anteriores.

44. La regresión de variables instrumentales utiliza instrumentos para:

a) Medir el efecto Mozart.
b) Para incrementar el R2 .
c) Para eliminar la correlación serial.
d ) Aislar los movimientos en X que están incorrelacionados con u.
e) Aislar los movimientos en X que están correlacionados con u.
f ) Ninguna de las anteriores.
45. En la siguiente regresión Yi = β0 + β1 X1i + β2 X2i + β3 W1i + β4 W2i + β5 W3i + β6 W4i + ui
Las variables X son endógenas y las W son regresores exógenos o variables de control incorrelacionadas
con u.
Se cuenta con un instrumento Z.
La ecuación esta:

a) Identificada.
b) Subidentificada.
c) Sobreidentificada.
d ) Sobredimensionada.
e) Mal especificada.
f ) Ninguna de las anteriores.