Parcial I - Econometría I

Miércoles 22 de marzo
Nombre: _______________________________________

(50%) Selección múltiple. Lea atentamente antes de responder. Marque una única respuesta con
una X utilizando esfero.

1. La información analizada en economía usualmente proviene de una fuente:

a. Experimental
b. No experimental
c. Experimental y no experimental
d. Ninguna de las anteriores
2. Los modelos econométricos buscan realizar la estimación de relaciones entre variables,
para ello se requiere de una muestra aleatoria iid de información. ¿Qué significan las siglas
iid?
a. Información independientemente distribuida
b. Independiente e idénticamente distribuido
c. Identidad e igualdad en distribución
d. Identidad de información en distribución
3. Sea F ( x) la función de distribución acumulativa de una variable aleatoria continua. La
probabilidad de que esta variable se ubique entre el rango de valores a y b de la forma
p(a < X <b) se encuentra dada por:
a. 1−F (b)
b. F (b)
c. F ( b )+ F (a)
d. F ( b )−F (a)
4. La tendencia central de alguna variable aleatoria puede estimarse para un conjunto de
datos mediante:
a. La media muestral
b. La varianza muestral
c. La desviación estándar
d. El coeficiente de curtosis
5. La variación con respecto a la media de una variable aleatoria puede estimarse para un
conjunto de datos usando:
a. La moda
b. La desviación estándar
c. La mediana
d. El coeficiente de curtosis
6. Sea A una variable aleatoria que indica la altura de un conjunto de individuos expresada
en metros. Si esta variable se transformara para ser expresada en centímetros puede
esperarse que:
 a. Su media cambie sustancialmente
b. Su desviación estándar se multiplique por 100
c. Su desviación estándar se multiplique en 10.000
d. Su desviación estándar se divida en 10.000
7. Si X iid (2,2) y Y iid(1,1) representan dos variables aleatorias independientes
entonces Var ( X + Y ) será igual a:
a. 1
b. 2
c. 3
d. 4
8. Si una función de distribución de probabilidad unimodal presenta gran masa de
probabilidad a la izquierda de la distribución la estimación del coeficiente de asimetría
será:
a. Positiva
b. Negativa
c. Cero
d. No es posible determinarlo con esta información
9. Sean X y Y dos variables aleatorias tal que Y =a+bX . Por lo cual puede esperarse que:
a. El coeficiente de correlación será de -1
b. La estimación de la covarianza será negativa
c. El coeficiente de correlación será de 1
d. Ninguna de las anteriores
10. Si x=3 y y=5 cuál será la estimación de MCO del intercepto en el modelo
y i= β^0 +2 x i+u i.
a. 2
b. -2
c. -1
d. 5
11. En el modelo de regresión lineal simple y i= β^0 + ^
β 1 x i +ui si los valores ajustados son
mayores que los valores verdaderos de la variable dependiente entonces:
a. Los residuales serán positivos
b. Los residuales serán negativos
c. Los residuales serán cero
d. Ninguna de las anteriores.
12. Si los parámetros del modelo de regresión lineal simple son estimados usando n=2
entonces el R2 de la regresión será igual a:
a. 0
b. 1
c. 0,5
d. -1
 13. Si al estimar los parámetros del modelo de regresión lineal simple la estimación de ^
β 1=0
entonces el R2 de la regresión será igual a:
a. 0
b. 1
c. 0,5
d. -1
14. Sea π i la productividad de un cultivo de café medida en toneladas de café por parcela y δ i
la cantidad de fertilizante en toneladas aplicada a la parcela. La estimación del modelo de
regresión de π i contra δ i esta dada por π i =7,5+2 δ i+ ui. Si se cambian las unidades de
medición de la variable dependiente a kilos ¿Cuáles serán las nuevas estimaciones de
^
β0 y ^
β 1?
a.
7.500 y 2.000
b.
7,5 y 2.000
c.
7.500 y 2
d.
7,5 y 2
15. Sea Puntaj ei el promedio ponderado de un estudiante en la universidad e ICFE S i su
puesto en el ICFES con respecto a 100 personas. En el modelo de regresión
ln ( Puntaj e i) =0,8+0,02 ICFE S i+u i un incremento de un puesto en el ICFES
(Δ ICFE Si=1) genera un incremento en el promedio ponderado de:
a. 2 puntos porcentuales
b. 2 puntos básicos
c. 0,02 puntos porcentuales
d. 0,02 puntos básico
16. Enuncie los supuestos realizados para obtener estimaciones insesgadas de los parámetros
en el modelo de regresión lineal simple.
1. ___________________________________________________________________
2. ___________________________________________________________________
3. ___________________________________________________________________
4. ___________________________________________________________________

(50%) Ejercicios. En todos los casos muestre clara y ordenadamente su procedimiento.

17. (25%) Sea lwage el logaritmo natural del salario de un conjunto de individuos expresado
en dólares por hora y educ sus años de educación. En la siguiente tabla se encuentran las
estimaciones de β 0 y β 1 del modelo de regresión lineal simple
ln ( wagei )=β 0 + β 1 edu ci +u i
a. Interprete la estimación de β 1.
Un aumento de un año de educación genera un incremento de 8,2 puntos porcentuales en
el salario.
b. Si educ=0 ¿cuál es el valor promedio del salario?, si educ=8 ¿cuál es el valor promedio
del salario? y si educ=24 ¿cuál es el valor promedio del salario? (pista: tenga en cuenta
que se le pregunta por el valor promedio del salario, no se le pregunta por el logaritmo del
salario)
1,79, 3,47 y 13,06
c. Grafique en el eje vertical el salario en dólares por hora y en el horizontal los años de
educación los tres puntos encontrados en el anterior literal. ¿Existe una relación lineal?
Comente acerca de la relación.
d. Calcule el R2 de la regresión anterior e interprételo.
La educación explica el 18,58% de la variación del logaritmo del salario.
e. ¿Qué factores pueden estar contenidos en ui ? ¿estos se encuentran relacionados con
educ ?. Teniendo en cuenta sus respuestas a las dos preguntas realizadas ¿los estimadores
mostrados en la tabla son insesgados?
Experiencia, habilidades innatas, nepotismo, ingreso. Si se encuentran relacionados. No se
pueden encontrar estimadores insesgados.

18. (25%) Muestre clara y ordenadamente la obtención de los estimadores de los parámetros
del modelo de regresión lineal simple. Puede realizarlo por el método de momentos o el
de MCO.
a. Muestre que el estimador de la constante puede expresarse como ^
β 0= y − ^
β 1 x.
b. Utilizando la expresión de ^
β 0 muestre que el estimador del parámetro de
n

∑ x i ( y i− y )
pendiente puede expresarse como ^
i=1
β 1= n .
∑ xi ( x i− x)
i=1