Question 1
Question
El logit es igual al logaritmo natural de la razón de probabilidad.
Question 2
Question
El modelo MLP cumplen con la condición 0
Question 3
Question
En los modelos MLP: ˆW= Yˆ(1− Yˆ )
Question 4
Question
En un modelo Logit con datos agrupados, para obtener la probabilidad, siempre el número de casos con una determinada característica debe ser menor al total de casos.
Question 5
Question
El R2 McFaden es una medida de la bondad de ajuste de los modelos con variable dicotómica dependiente.
Question 6
Question
En los modelos probabilísticos, el coeficiente de determinación es la mejor medida de bondad de ajuste.
Question 7
Question
La cuenta R2 es otra medida de bondad de ajuste.
Question 8
Question
En los modelos con variable dicotómica dependiente. La cuenta R2 es una de las medidas de bondad de ajuste.
Question 9
Question
Para interpretar la pendiente de un modelo Logit se debe tomar el antilogaritmo del coeficiente, se resta uno de este valor y se multiplica el resultado por cien.
Question 10
Question
La estimación de modelos Logit, sólo se puede llevar a cabo para la información de datos agrupados.
Question 11
Question
Pi= 11+ e− zi esta ecuación representa lo que se conoce como función de distribución logística.
Question 12
Question
Los modelos logit con información suelta (datos no agrupados) se pueden estimar por mínimos cuadrados ordinarios.
Question 13
Question
Los resultados de los modelos MLP y Logit son directamente comparables.
Question 14
Question
Los resultados de la aplicación de los modelos logit y probit son semejantes.
Question 15
Question
El modelo probit, es igual que el modelo logit, pero para datos no agrupados.
Question 16
Question
Los modelos econométricos dinámicos son: Autoregresivos y de Rezago distribuido.
Question 17
Question
En el modelo logit, la variable independiente es el logaritmo de la razón de probabilidades.
Question 18
Question
En el modelo logit, la variable independiente es el logaritmo de la razón de probabilidades.
Question 19
Question
Cuando el modelo incluye los valores rezagados de las variables independientes se denomina modelo autoregresivo.
Question 20
Question
El modelo probit, utiliza la función de distribución acumulativa de la normal.
Question 21
Question
La ecuación Yt =α + 0.4Xt + 0.3Xt−1 + 0.2Xt−2 +μ1 , es un ejemplo de cómo el tiempo actúa para explicar una variable.
Question 22
Question
La ecuación Yt =α + 0.4Xt + 0.3Xt−1 + 0.2Xt−2 +μ1 , es un ejemplo de cómo el tiempo actúa para explicar una variable.
Question 23
Question
El modelo acelerado de la inversión es un ejemplo de modelo autoregresivo.
Question 24
Question
El dataminig es un arreglo injustificado de la información para cumplir con el objetivo de tener un modelo.
Question 25
Question
Las razones institucionales, es uno de los motivos para incluir los rezagos en un modelo.
Question 26
Question
El proceso de estimación de tipo ad-hoc, es una forma de estimar
los modelos de rezago distribuido.
Question 27
Question
En los modelos autorregresivos, para la detección de
autocorrelación se utiliza la prueba h de Durbin.
Question 28
Question
De acuerdo a la ecuación: ˆP= −0.146 +i=01 Σβ1Mt−1 , se establece queexiste un solo rezago de M.
Question 29
Question
Los modelos rezagados también se denominan de regresión
dinámica.
Question 30
Question
Con el modelo polinomial de rezagos distribuidos de Almon, se
evitan los problemas asociados a los modelos autoregresivos.
Question 31
Question
Una de las desventajas del proceso ad-hoc es que no hay una guía
a priori sobre la longitud máxima del rezago.
Question 32
Question
Una de las desventajas del proceso ad-hoc es que no hay una guía
a priori sobre la longitud máxima del rezago.
Question 33
Question
El enfoque de Almon proporciona un método más flexible de
incorporar diversidad de estructuras de rezago.
Question 34
Question
En las transformaciones de Koyck, la prueba d sigue teniendo
validez para medir la correlación serial.
Question 35
Question
La h de Durbin se calcula con la fórmula: h = 1− 1/2d
Question 36
Question
El modelo Keynesiano de determinación del ingreso, es un ejemplo
del trabajo con modelos de ecuaciones simultáneas.
Question 37
Question
En los modelos de ecuaciones simultáneas las variables explicativas
son la causa y la variable dependiente es el efecto.
Question 38
Question
En contraste con los modelos uniecuacionales, los modelos
de ecuaciones simultáneas contienen más de una variable
dependiente.
Question 39
Question
En los modelos de ecuaciones simultáneas, no es posible estimar
los parámetros de una ecuación aisladamente.
Question 40
Question
En los modelos de ecuaciones simultáneas, no es posible estimar
los parámetros de una ecuación aisladamente.
Question 41
Question
En ecuaciones simultáneas, los estimadores son consistentes si se
estiman por Mínimos Cuadrados Ordinarios.
Question 42
Question
Una característica de los modelos de ecuaciones simultáneas es
que la variable endógena en una ecuación puede aparecer como
variable explicativa en otra ecuación del sistema.
Question 43
Question
Identificar es el proceso que permite determinar si estamos
estimando la ecuación correcta de un conjunto de ecuaciones.