Universidad Americana

Dirección de Posgrado

Maestría en Finanzas

Profesor: Sergio Legal Cañisá

Examen Final para la casa

Fecha de publicación en CANVAS: 19/10/2023

Fecha de entrega de trabajo en CANVAS: 22/10/2023

Consideraciones importantes antes de iniciar el Examen Final:

1. El examen es conceptual e interpretativo sobre conceptos desarrollados en clase y

sobre salidas generadas por el software STATA que se encuentran en el examen (no
hace falta correr de nuevo las regresiones).
2. El examen deberá ser presentado en grupos, con un promedio de 3 (tres) estudiantes
con una desviación estándar de 1 (un). En casos especiales el número de estudiantes
por grupo podrá variar con acuerdo previo del Profesor.
3. La calificación del examen será grupal, es decir, cada alumno miembro de cada grupo
recibirá la calificación que obtuvo de manera grupal en el desarrollo del examen.
4. El examen debe presentarse de en formato digital, mediante la plataforma CANVAS,
en PDF. Solamente debe cargarse una respuesta del examen por grupo la cual
contenga el nombre y el apellido de todos los miembros del grupo, puede cargar el
examen un compañero designado por los demás miembros del grupo.
5. El mecanismo para descargar y cargar el examen estará disponible en la plataforma
CANVAS durante 96 horas a partir de la fecha de publicación
6. El examen tendrá 15 preguntas de tipo teóricas e interpretativas sobre las salida de
regresión y pruebas estadísticas.
7. Todos los puntos evaluativos serán considerados acorde al reglamento de postgrado
de la Universidad Americana.

Importante:

En este examen, tendrán la oportunidad de demostrar sus conocimientos y habilidades en el

campo de la Econometría enfocado a las finanzas. A lo largo de este proceso de evaluación,
pondremos a prueba su comprensión teórica y su habilidad para analizar los resultados.

Los animo a utilizar su conocimiento y habilidad para abordar cada pregunta de manera
cuidadosa y precisa.

Les deseo mucho éxito en este examen. Confió en que su preparación y dedicación les
permitirán alcanzar resultados excelentes. ¡Buena suerte!
1. Marca la respuesta correcta

1. ¿Cuál es la idea básica de un análisis de regresión?

La idea fundamental del análisis de regresión es analizar el

error de una ecuación.

La idea fundamental del análisis de regresión es evaluar la

media de las variables.

La idea fundamental del análisis de regresión es la dependencia

estadística de una variable, la independiente, respecto de otra o
más variables, las dependientes.

La idea fundamental del análisis de regresión es la

independencia estadística de una variable, la dependiente,
respecto de otra o más variables, las explicativas.

La idea fundamental del análisis de regresión es la dependencia

estadística de una variable, la dependiente, respecto de otra o
más variables, las explicativas.

2.La autocorrelación ser refiere a:

A la existencia de correlación entre los errores de la regresión,

es decir Cov ( u i , u j ) ≠ 0 , i≠ j

A la variabilidad del error entre los diferententes componentes

de la muestra.

A la bondad del ajuste del coeficiente de regresión dentro del

modelo econométrico.

Al la presencias de colinealidad perfecta entre los regresores

de la ecuación.
3. La multicolinealidad se refiere a:

A la existencia de relaciones lineales entre una de las variables

independientes, las cuales pueden ser perfectas o imperfectas.

A la existencia de relaciones lineales entre las variables

dependientes las cuales pueden ser solamente perfectas.

A la presencia de relaciones cuadráticas entre las variables

independientes las cuales pueden ser imperfectas.

Las relaciones polinomiales entre las variables perfecta las

cuales pueden ser perfectas e imperfectas.

4. Cuando la varianza del error de la regresión no es constante.

Estamos en presencia de:

Multicolinealidad.

Heterocedasticidad.

Autocorrelación

Endogeneidad.

5. Uno de los síntomas de la multicolinealidad de una regresión.

Visto en el método 1, desarrollado en clase es:

Errores estándar pequeños

P-valor estadísticamente signficativo para los coeficientes de la

regresión.

R2 alto a pesar de la variables no significativas.

Coeficiente de la regresión con los signos esperados.

2. Marca con falso o verdadero, y justifica lo falso.

1. El test para dectectar autocorrelación serial es la prueba de
Durbin-Watson

V
F

Justificación________________________________________________________
_________________________________________________________

2. Cuando se viola totalmente el supuesto de Multicolinealidad

se encuentra una asociación lineal perfecta (perfecta
correlación igual a 1) entre algunos de los regresores.

V
F

Justificación________________________________________________________
_________________________________________________________

3. En la vida real la muticolinealidad perfecta no existe. Solo se

puede hablar de una alta colinealidad o una baja colinealidad

V
F

Justificación________________________________________________________
_________________________________________________________

4. Si se detecta heteroscedasticidad en el modelo, el supuesto

que se viola es el de homocedasticidad.
 V
F

Justificación________________________________________________________
_________________________________________________________

5. Al ser heteroscedasticos los errores, no se puede realizar

inferencias estadísticas por lo tanto, la pruebas estadísticas
dejan de funcionar.

V
F

Justificación________________________________________________________
_________________________________________________________

6. Ante la presencia de heteroscedasticidad en los modelos, el

estimador de MCO sigue siendo INSESGADO.

V
F

Justificación________________________________________________________
_________________________________________________________

3. Interprete las salidas (salidas 1 y 2) de regresiones

generados por el software STATA.

Salida 1
. reg wage educ exper tenure

Source SS df MS Number of obs = 935

F( 3, 931) = 53.00
Model 22278193.8 3 7426064.59 Prob > F = 0.0000
Residual 130437974 931 140105.236 R-squared = 0.1459
Adj R-squared = 0.1431
Total 152716168 934 163507.675 Root MSE = 374.31

wage Coef. Std. Err. t P>|t| [95% Conf. Interval]

educ 74.41486 6.286993 11.84 0.000 62.07654 86.75318

exper 14.89164 3.25292 4.58 0.000 8.507732 21.27554
tenure 8.256811 2.497628 3.31 0.001 3.355178 13.15844
_cons -276.2405 106.7018 -2.59 0.010 -485.6444 -66.83653

1) Interprete el resultado del coeficiente “educ” de la

regresión. Según ya se vio en clase.

________________________________________________________________
_____

2) Utilizando el p-valor de la prueba t, contraste y diga si la si

la variable “educ” es o no estadísticamente significativa de
manera individual.

________________________________________________________________
_____

3) Utilizando el p-valor de la prueba t, contrate y diga si la

variable “exper “ es o no estadísticamente significativa de
manera individual.
 4) Utilizado el p-valor de la prueba F, contraste si las
variables “educ”, “exper” y “tenure” son o no significativas
de manera conjunta.

________________________________________________________________
___

Salida 2

. imtest, white

White's test for Ho: homoskedasticity

against Ha: unrestricted heteroskedasticity

chi2(9) = 27.78
Prob > chi2 = 0.0010

Cameron & Trivedi's decomposition of IM-test

Source chi2 df p

Heteroskedasticity 27.78 9 0.0010

Skewness 18.32 3 0.0004
Kurtosis 6.24 1 0.0125

Total 52.34 13 0.0000

5) En la salida de la regresión Identifique y transcriba las
hipótesis (Hipótesis Nula y Alterna) que propone la prueba de
“White”. (puede hacerlo en inglés o en castellano)

___________________________________________________________________
_______

6) Utilizando el p-valor contraste la hipótesis propuesta y

evalúes si el modelos tiene o no heteroscedasticidad.

___________________________________________________________________
______