Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apellidos y nombres:...............................................................................................................................
Recomendaciones:
3. En la siguiente regresión
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.
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.
a) Identificada.
b) Subidentificada.
c) Sobreidentificada.
d ) Sobredimensionada.
e) Mal especificada.
f ) Ninguna de las anteriores.