ECONOMETRIA

Question 1 of 102

1

El modelo clásico de regresión lineal normal supone que cada ui está normalmente distribuida con algunos supuestos.

Estos supuestos se expresan de manera más compacta como:

Select one of the following:

Explanation

Question 2 of 102

1

El modelo clásico de regresión lineal normal puede dar solución a algo que los otros modelos

A que se refiere:

Select one of the following:

El MCRLN hace suposiciones respecto a la naturaleza probabilística de ui.
Que trabaja con más variables
Es más precisa que los otros modelos
Engloba un amplio número de variables

Explanation

Question 3 of 102

1

Teorema central del límite (TCL), es una teoría estadística que establece que, dada una muestra suficientemente grande de la población, la distribución de las medias muestrales seguirá una distribución normal.

¿Que nos demuestra este teorema?

Select one of the following:

Demuestra que si existe un gran número de variables aleatorias dependientes con idéntica distribución.
Demuestra la variación de las variables estimadas.
Demuestra la diferencia entre las variables estimadas y la correlación de las variables.
Demuestra que, si existe un gran número de variables aleatorias independientes con idéntica distribución, entonces, con pocas excepciones, la distribución de su suma tiende a ser normal a medida que se incrementa al infinito el número de tales variables

Explanation

Question 4 of 102

1

Decimos que son estimadores y que sus valores cambiarán de muestra en muestra

¿Cómo se les denomina?

Select one of the following:

Variables estimadas
Variables proyectadas
Variables aleatorias
Variables estadísticas.

Explanation

Question 5 of 102

1

En el contexto de regresión se supone, por lo general, que las u tienen la distribución de probabilidad normal. Si a los supuestos del modelo clásico de regresión lineal (MCRL) se añade el supuesto de normalidad para ui

¿Que se obtiene de esto?

Select one of the following:

Obtenemos el MCO
Obtenemos el modelo clásico de regresión lineal normal (MCRLN).
Obtenemos el modelo clásico de regresión lineal.
Obtenemos el modelo de mínimos cuadrados.

Explanation

Question 6 of 102

1

El modelo econométrico es empírico (práctico, basado en la experiencia y en la observación de los hechos), no determinista (teórico, totalmente predecible en un momento dado si fuera posible conocer todos los datos).

¿Cuál es el estimador que se expresa en términos de las cantidades?

Select one of the following:

Máxima verosimilitud
Mínimos cuadrados ordinarios
Estimadores por intervalos
Mínima verosimilitud

Explanation

Question 7 of 102

1

Una vez obtenidos los estimadores de MCO de los datos de la muestra, se obtiene sin problemas la línea de regresión muestral.

Seleccione la serie de pasos para obtener la línea de regresión muestral.

Select one of the following:

Pasa a través de las medias muéstrales de Y y X. 2.- El valor medio de Y estimada Yˆi es igual al valor medio de Y real. 3.- El valor medio de los residuos uˆ1 es cero.4.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi 5.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi = 0.
El valor medio de Y estimada Yˆi es igual al valor medio de Y real. 2.- El valor medio de los residuos uˆ1 es cero. 3.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi 4.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi _ 0. 5.-Pasa a través de las medias muéstrales de Y y X.
El valor medio de Y estimada Yˆi es igual al valor medio de Y real. 2.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi 3.- El valor medio de los residuos uˆ1 es cero. 4.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi _ 0. 5.-Pasa a través de las medias muéstrales de Y y X.

Explanation

Question 8 of 102

1

.

Select one of the following:

Forma de desviación
Forma de correlación
Forma de estimación
Forma de auto desviación

Explanation

Question 9 of 102

1

El modelo de Gauss, modelo clásico o estándar de regresión lineal (MCRL), es el cimiento de la mayor parte de la teoría econométrica.

¿Cuál de estos supuestos pertenece al teorema de Gauss Markov?

Select one of the following:

Modelo lineal en los parámetros.
Media nula y exogeneidad estricta
Homocedasticidad
Todas las anteriores

Explanation

Question 10 of 102

1

La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a partir de la información empírica proporcionada por una muestra, cual es el comportamiento de una determinada población con un riesgo de error medible en términos de probabilidad y consta de dos ramas.

¿Cuáles son estas ramas en las que se divide?

Select one of the following:

Estimación y Prueba de hipótesis
Varianza y Estimación
Hipótesis y Varianza
Regresión Lineal y Estimación

Explanation

Question 11 of 102

1

A medida que aumenta el ingreso familiar, el consumo familiar, en promedio, también aumenta.

¿Qué sucede con el consumo de una familia en relación con su nivel de ingreso fijo?

Select one of the following:

El consumo de una familia en particular no necesariamente disminuye a medida que lo hace el nivel de ingreso
El consumo de una familia en particular no necesariamente aumenta a medida que lo hace el nivel de ingreso
El consumo de una familia en particular necesariamente aumenta a medida que lo hace el nivel de ingreso
El consumo de una familia no necesariamente es promedio a medida que lo hace el nivel de ingreso

Explanation

Question 12 of 102

1

Es una variable aleatoria no observable que adopta valores positivos o negativos.
Técnicamente, ui se conoce

Select one of the following:

Margen de aceptación
Margen de error
Desviación estándar
Perturbación estocástica o término de error estocástico.

Explanation

Question 13 of 102

1

¿Por qué no se crea un modelo de regresión múltiple con tantas variables como sea posible?

Las razones son:

Select one of the following:

Vaguedad de la teoría, falta de disponibilidad de datos
Variables centrales y variables periféricas, aleatoriedad intrínseca en el comportamiento humano, variables representantes (proxy) inadecuadas.
Principio de parsimonia, forma funcional incorrecta
Todas las anteriores

Explanation

Question 14 of 102

1

Conocido también como estadístico (muestral), no es más que una regla, fórmula o método para estimar el parámetro poblacional a partir de la información suministrada por la muestra disponible.

Este concepto de aleatoriedad, pertenece a:

Select one of the following:

Estimador
Estimación
Perturbación
Regresión

Explanation

Question 15 of 102

1

La regla básica de 2T

Señala que:

Select one of the following:

Si el número de grados de libertad es 20 o más, y si α, el nivel de significancia, se fija en 0.05, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 2 en valor absoluto.
Si el número de grados de libertad es 69 o más, y si α, el nivel de significancia, se fi ja en 0.10, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 6 en valor absoluto.
Si el número de grados de libertad es 10 o más, y si α, el nivel de significancia, se fi ja en 0.70, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 4 en valor absoluto.
Si el número de grados de libertad es 80 o más, y si α, el nivel de significancia, se fi ja en 0.30, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 7 en valor absoluto.

Explanation

Question 16 of 102

1

El término de perturbación o de error, es una variable aleatoria (estocástica) con propiedades probabilísticas bien definidas. Este representa todos los factores que afectan el consumo pero que no se consideran en el modelo en forma explícita.

La ecuación es un ejemplo de un modelo econométrico. Técnicamente, es un ejemplo de un modelo de regresión lineal:

Select one of the following:

Y β1 + β2X + u
E(Y | Xi) = f (Xi)
E(Y | Xi) = β1 + β2X
ui = Yi − E(Y | Xi)

Explanation

Question 17 of 102

1

Un economista laboral quizá desee estudiar la tasa de cambio de los salarios monetarios o nominales en relación con la tasa de desempleo. Las cifras históricas aparecen en el diagrama de dispersión de la fi gura 1.3. La curva de esta fi gura es un ejemplo de la célebre curva de Phillips, que relaciona los cambios en los salarios nominales con la tasa de desempleo.

Que permite conocer este tipo de diagrama:

Select one of the following:

Estimar la elasticidad del precio (es decir, la respuesta a variaciones del precio) de la demanda del producto y permite determinar el precio que maximiza las ganancias.
Predecir el cambio promedio en los salarios nominales con una cierta tasa de desempleo.
Consiste en la inversión constante en Activos operativos como resultado de las ventas constantes a través del tiempo.
Un estudio de este tipo es de gran ayuda para encontrar la elasticidad de la demanda respecto de los gastos publicitarios.

Explanation

Question 18 of 102

1

Este método de estimación suele ser más intuitivo y matemáticamente más sencillo..
A que método hace referencia el siguiente concepto general.

Select one of the following:

Máxima Verosimilitud
Mínima Verosimilitud.
MCO
Máximos Cuadrados Ordinarios

Explanation

Question 19 of 102

1

El método de mínimos cuadrados presenta propiedades estadísticas muy atractivas que lo han convertido en uno de los más eficaces y populares del análisis de regresión.

Cual fue el autor de este método:

Select one of the following:

Jhon Arrow
Gujarati
Jhon Maynard Keynes
Carl Friedrich Gauss

Explanation

Question 20 of 102

1

Se pueden emplear en la función de regresión para poder analizar eficazmente datos estadísticos la función de regresión muestral.

A que hace referencia la siguiente formula:
Yi = B1+B2Xi+ ui

Select one of the following:

FRP de una variable
FRP de tres variables
FRP de cuatro variables
FRP de dos variables

Explanation

Question 21 of 102

1

Para poder determinar la FMR primero hay que establecer una ecuación que sea el paso inicial para poder realizar el respectivo desarrollo.

A que hace referencia esta fórmula:

Select one of the following:

Muestra que los uˆi (los residuos) son simplemente las similitudes entre los valores observados y los estimados de Y
Muestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de X.
No muestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.
Muestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.

Explanation

Question 22 of 102

1

Propiedades numéricas son las que se mantienen como consecuencia del uso de mínimos cuadrados ordinarios, sin considerar la forma como se generaron los datos
Seleccione las propiedades estadísticas de los estimadores MCO.

Select one of the following:

Los estimadores de MCO se expresan únicamente en términos de las cantidades (es decir, X y Y) observables (es decir, muestras). Por consiguiente, se calculan con facilidad
Los estimadores de MCO se expresan diversamente en términos de las cantidades (es decir, X y Y) observables (es decir, muestras). Por consiguiente, se calculan con facilidad.
Los estimadores de MCA se expresan diversamente en términos de las cantidades (es decir, O y Y) observables (es decir, muestras
Son estimadores impuntuales: dada la muestra, cada estimador proporciona un solo valor (puntual) del parámetro poblacional pertinente.

Explanation

Question 23 of 102

1

Los datos recopilados por estas organizaciones pueden ser de naturaleza experimental o no experimental.
En los datos experimentales, frecuentes en las ciencias naturales, el investigador suele….

Select one of the following:

el investigador suele recabar los datos con algunos factores constantes y evaluar el efecto de otros en un fenómeno dado.
el investigador suele recabar los datos con algunos factores constantes y evaluar el efecto de otros en un fenómeno dado

Explanation

Question 24 of 102

1

La función de esperanza condicional (FEC), función de regresión poblacional (FRP) o regresión poblacional (RP).

Simbólicamente

Select one of the following:

E(Y | Xi ) _ f (Yi )
E(Y | Xi ) _ f (Xi )
E(Y | Yi ) _ f (Xi )
E(Y | Xi ) _ f (YXi )

Explanation

Question 25 of 102

1

β1 y β2 son parámetros no conocidos pero fijos

Que se denominan

Select one or more of the following:

coeficientes de regresión
coeficientes de intersección y dependiente
Coeficientes independientes
Coeficientes lineales.

Explanation

Question 26 of 102

1

La relación sobre todo con modelos lineales en la estimación de FRP

El primer significado de Linealidad en las variables

Select one of the following:

Es aquel en que la esperanza condicional de X es una función lineal de Xi
Es aquel en que la esperanza condicional de Y es una función lineal de Yi
Es aquel en que la esperanza condicional de x es una función lineal de Yi
Es aquel en que la esperanza condicional de Y es una función lineal de Xi

Explanation

Question 27 of 102

1

La linealidad se presenta cuando la esperanza condicional de Y, E(Y | Xi), es una función lineal de los parámetros, los β; puede ser o no lineal en la variable X.

Es un modelo de regresión lineal en el parámetro

Select one of the following:

E(Y | Xi ) _ β1 + β2X2i
E(Y | Yi ) _ β1 + β2X2i
E(Y | Xi ) _ β1 + β2Y2i
E(Y | Xi ) _ β1 + β2X1i

Explanation

Question 28 of 102

1

La linealidad en los parámetros es pertinente para el desarrollo de la teoría de regresión

Mencione las dos interpretaciones de linealidad

Select one of the following:

Modelo de regresión lineal( en el parámetro) y modelo de regresión no lineal (en el parámetro)
Modelo de ascenso no lineal y modelo de regresión lineal
Modelo Semántico y modelo potencial
Modelo de regresión lineal (sin el parámetro) y modelo de regresión no lineal

Explanation

Question 29 of 102

1

La línea de regresión poblacional

Desde el punto de vista geométrico, una curva de regresión poblacional

Select one of the following:

Es tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores fijos de las variables explicativas.
Es tan sólo el lugar geométrico de las medias condicionales de la variable independiente para los valores fijos de las variables explicativas.
Es tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores variables de las variables explicativas.
Es tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores fijos de las variables dependientes.

Explanation

Question 30 of 102

1

Si, con base en una prueba de significancia, por ejemplo, la prueba t, decidimos “aceptar” la hipótesis nula,

Todo lo que se afirma es que :

Select one of the following:

Con base en la evidencia dada por la muestra, existe
razón para aceptarla; no se sostiene que la hipótesis nula sea falsa con absoluta certeza.
Con base en la evidencia dada por la muestra, no existe
razón para rechazarla; no se sostiene que la hipótesis alternativa sea verdadera con absoluta certeza.
Con base en la evidencia dada por la muestra, no existe
razón para aceptarla; no se sostiene que la hipótesis alternativa sea verdadera con absoluta certeza.
Con base en la evidencia dada por la muestra, no existe
razón para rechazarla; no se sostiene que la hipótesis nula sea verdadera con absoluta certeza.

Explanation

Question 31 of 102

1

Construya un intervalo de confianza para β2 a 100(1 − α)%

La Regla de decisión nos indica

Select one of the following:

Si el β2 en H1 se encuentra dentro de este intervalo de confianza, no rechace H1, pero si está fuera del intervalo, rechace H1.
Si el β2 en H1 se encuentra fuera de este intervalo de confianza, no rechace H0, pero si está fuera del intervalo, rechace H1
Si el β2 en H0 se encuentra dentro de este intervalo de confianza, no rechace H0, pero si está fuera del intervalo, rechace H0.
Si el β2 en H1 se encuentra dentro de este intervalo de confianza, no acepte H1, pero si está fuera del intervalo, acepte H1.

Explanation

Question 32 of 102

1

la multicolinealidad, el interrogante natural es:

Determine cuál de las siguientes opciones se refiere a una de las advertencia de Kmenta:

Select one of the following:

La multicolinealidad es una cuestión de grado y no de clase La distinción importante no es entre presencia o ausencia de multicolinealidad, sino entre sus diferentes grados.
Como la multicolinealidad NO se refiere a la condición de las variables explicativas que son no estocásticas por supuestos, es una característica de la muestra y no de la población.
Como la multicolinealidad se refiere a la condición de las determinantes explicativas que son no estocásticas por supuestos, es una característica de la muestra y no de la población.
La multicolinealidad es la distinción importante no es entre presencia o ausencia de multicolinealidad, sino entre sus diferentes grados

Explanation

Question 33 of 102

1

Se dice que un modelo de regresión lineal presenta heterocedasticidad cuando la varianza de las perturbaciones no es constante a lo largo de las observaciones.

La heteroscedasticidad también surge por la presencia de:

Select one of the following:

datos atípicos o aberrantes
datos atípicos o significativos
datos atípicos o lineales
datos atípicos o regresión

Explanation

Question 34 of 102

1

El modelo de regresión lineal supone que no debe existir autocorrelación en los errores.

El término autocorrelación se define como:

Select one of the following:

la “correlación entre miembros de unidades de observaciones ordenadas en el tiempo
la “correlación entre miembros de series de observaciones
ordenadas en las variables
la “negación entre miembros de series de observaciones
ordenadas en el tiempo
la “correlación entre miembros de series de observaciones
ordenadas en el tiempo

Explanation

Question 35 of 102

1

Dado dos valores cualesquiera de X, Xi y Xj (i= j), la correlación entre dos ui y uj cualesquiera (i no es igual a j) es cero. En pocas palabras estas observaciones se muestran de manera independiente.

A que supuesto hace referencia este enunciado

Select one of the following:

No hay auto correlación entre las perturbaciones
Si hay auto correlación entre las perturbaciones
Hay relación entre las perturbaciones
No hay relación entre las variables

Explanation

Question 36 of 102

1

La distribución normal es una distribución comparativamente sencilla y requiere sólo dos parámetros.

¿Cuáles son?

Select one of the following:

La media y la varianza
La estimación y la media
La media y las correlaciones
Las correlaciones y la hipótesis

Explanation

Question 37 of 102

1

Si trabajamos con una muestra finita o pequeña, la suposición de normalidad desempeña un papel relevante
¿Cuantos datos u observaciones se necesitan para que se cumpla el papel relevante de la muestra?

Select one of the following:

100 datos o mas
300 datos o menos
200 datos o mas
100 datos o menos
100 datos o mas
300 datos o menos
200 datos o mas
100 datos o menos

Explanation

Question 38 of 102

1

Propiedades de los estimadores de MCO
Según el supuesto de normalidad.
Seleccione la respuesta correcta.

Select one of the following:

Son insesgados.
Tienen varianza mínima.
Presentan consistencia
Todas las anteriores

Explanation

Question 39 of 102

1

Existe un método de estimación puntual con algunas propiedades teóricamente más fuertes que las del método de MCO.

¿Cómo se llama este método?

Select one of the following:

método de máxima verosimilitud (MV)
método de los mínimos cuadrados ordinarios
modelo clásico de regresión lineal
Modelo clásico de regresión lineal normal.

Explanation

Question 40 of 102

1

A pesar de la tendencia de los padres de estatura alta a procrear hijos altos y los padres de estatura baja, hijos bajos, la estatura promedio de los niños de padres de una estatura determinada tendía a desplazarse.
¿Quien acuño el término de regresión?

Select one of the following:

Francis Galton
Francis Quesnay
Milton Friedman
Alfred Marshall

Explanation

Question 41 of 102

1

El análisis de regresión es el estudio de la dependencia de una variable dependiente respecto de una o más variables explicativas

El objetivo que persigue es:

Select one of the following:

Estimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras no repetidas) de las segundas.
Estimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas.
Estimar o predecir la media o valor promedio muestral de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas.
Estimar o predecir la media o valor promedio poblacional de la segunda en términos de los valores variables (en muestras repetidas) de las segundas.

Explanation

Question 42 of 102

1

En un ejemplo práctico, lo que interesa es predecir la estatura promedio de los hijos a partir de la estatura de sus padres.

Si esto, corresponde a un diagrama de dispersión, para su determinación se necesitara una línea recta.

Select one of the following:

Recta Oblicua
Recta semantica
Recta de regresión
Recta con dispersión

Explanation

Question 43 of 102

1

A un economista quizá le interese estudiar la dependencia del consumo personal respecto del ingreso personal neto disponible, después de Impuestos.

Con un análisis de este tipo, en el diagrama de dispersión , se calcula:

Select one of the following:

la propensión marginal decreciente
la propensión marginal a producir
la propensión promedio de la demanda
la propensión marginal a consumir

Explanation

Question 44 of 102

1

En el análisis de regresión interesa lo que se conoce como dependencia estadística entre variables, no así la funcional o determinista, propia de la física clásica.

En las relaciones estadísticas, analizamos

Select one of the following:

Variables aleatorias o estocásticas
Variables explicativas o independientes
Variables dependientes
Variables de aquilatacion

Explanation

Question 45 of 102

1

A pesar de que el análisis de regresión tiene que ver con la dependencia de una variable respecto de otras variables, esto no implica causalidad necesariamente.

En otras palabras Kendall y Stuart manifiestan:

Select one of the following:

“Una relación estadística, por más fuerte y sugerente que sea, siempre podrá establecer una conexión causal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión causal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión informal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión informal: nuestras ideas de causalidad deben provenir de estadísticas internas y, en último término, de una u otra teoría”.

Explanation

Question 46 of 102

1

Se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes.

En el análisis de correlación, el objetivo principal es

Select one of the following:

medir la fuerza o el grado de asociación no lineal entre dos variables
medir la relación inversa entre dos variables
medir la fuerza o el grado de asociación lineal entre dos variables
medir la fuerza o el grado de competitividad entre dos variables

Explanation

Question 47 of 102

1

Si se estudia la dependencia de una variable respecto de más de una variable explicativa, como el rendimiento de un cultivo, la lluvia, la temperatura, el Sol y los fertilizantes

A qué tipo de análisis se refiere

Select one of the following:

análisis de regresión múltiple
análisis de regresión simple
análisis de regresión aleatorio
análisis de regresión transversales

Explanation

Question 48 of 102

1

El éxito de todo análisis econométrico depende a final de cuentas de la disponibilidad de los datos recopilados.

Hay tres tipos de datos disponibles para el análisis empírico:

Select one of the following:

series de tiempo, series explicativas e información combinada
series de tiempo, series transversales e información múltiples
series de tiempo, series transversales
series de tiempo, series transversales e información combinada (combinación de series de tiempo y transversales).

Explanation

Question 49 of 102

1

El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes.
En el análisis de correlación, el objetivo principal es:
El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes.

En el análisis de correlación, el objetivo principal es:

Select one of the following:

Medir la fuerza o el grado de asociación lineal entre dos variables.
Medir el grado de asociación lineal entre variables.
Medir la fuerza de asociación lineal entre dos empresa.
Medir la fuerza lineal entre dos variables.

Explanation

Question 50 of 102

1

El éxito de todo análisis econométrico depende a final de cuentas de la disponibilidad de los datos recopilados.

Hay tres tipos de datos disponibles para el análisis empírico, uno de ellos es:

Select one of the following:

Pérdida residual
Datos de series de tiempo
Costes de fianza
Econometría de series de tiempo

Explanation

Question 51 of 102

1

Una variable pertenece a esta categoría sólo si satisface la tercera propiedad de la escala de razón (es decir, el orden natural), como los sistemas de calificaciones por letras (A, B, C) o los niveles de ingresos alto, medio y bajo)

La escala de medición es:

Select one of the following:

Escala nominal
Escala ordinal
Análisis de datos
Costes de correlación

Explanation

Question 52 of 102

1

La micronumerosidad exacta surge cuando n, el tamaño de la muestra, es cero, en cuyo caso es imposible cualquier clase de estimación

¿Cuándo surge la casi micronumerosidad?

Select one of the following:

Cuando el número de observaciones escasamente disminuye al número de parámetros que se va a estimar.
Cuando el número de observaciones escasamente excede al número de parámetros que se va a estimar.
Cuando el número de observaciones escasamente excede al número de límites que se va a estimar.
Cuando el parámetro de observaciones escasamente excede al número que se va a estimar.

Explanation

Question 53 of 102

1

La detección de la multicolinealidad es el estudio de las características y las consecuencias de la misma.

¿Cómo conocer la presencia de colinealidad en cualquier situación dada, en especial en modelos con más de dos variables explicativas?

Select one of the following:

La multicolinealidad es una cuestión de grado y no de clase. La distinción importante no es entre presencia o ausencia de multicolinealidad, sino entre sus diferentes grados.
Como la multicolinealidad se refiere a la condición de las variables exclusivas que son no exóticas por supuestos, es una característica de la muestra y no de la región.
Al enfrentar el problema de multicolinealidad grave, una de las soluciones “más simples” consiste en omitir del modelo de los supuestos del modelo clásico una de las variables colineales.
La técnica atractiva, la mezcla de datos de series de tiempo y de corte transversal de esta forma puede crear problemas de interpretación.

Explanation

Question 54 of 102

1

En el modelo Ling-Long el coeficiente de la pendiente mide el cambio proporcional constante o relativo en Y para un cambio absoluto dado en la variable exógena.

Por lo tanto el modelo mide:

Select one of the following:

Tendencias
Tasas de inflación
Tasas de interés
Tasas de crecimiento

Explanation

Question 55 of 102

1

Los modelos del siguiente tipo se conocen como modelos recíprocos.

¿Cuál es la diferencia del modelo reciproco con otros modelos?

Select one of the following:

El modelo no es lineal
El modelo es lineal
Modelo de regresión lineal
Modelo Ling-Long

Explanation

Question 56 of 102

1

Los coeficientes de regresión β2 y β3 se conocen como los coeficientes de regresión parcial o coeficientes parciales de pendiente.

Por lo tanto ¿Cuál es el significado del coeficiente de regresión parcial?

Select one of the following:

β2 mide el cambio en el valor de la media de Y
β3 mide el cambio en el valor de la media de Y
β3 mide el cambio en el valor de la media de X
β2 mide el cambio en el valor de la media de X

Explanation

Question 57 of 102

1

La adicción de variables conduce al análisis de los modelos de regresión múltiple, es decir a modelos en los cuales la variable dependiente, o regresada, Y, depende de dos o más variables explicativas o regresaras
Por lo tanto el modelo de regresión múltiples más simple es la regresión de tres variables. ¿Cuáles son?

Select one of the following:

Dos variable dependiente y una explicativa
Una variable dependiente y dos explicativas
Tres variables dependientes y una explicativa
Una variable dependiente y tres explicativas

Explanation

Question 58 of 102

1

Las unidades con que se expresan la variable independiente (regresora) y la dependiente (regresada) influyen en la interpretación de los coeficientes de regresión.

Esto se evita si ambas variables (regresora y regresada) se expresan como:

Select one of the following:

Variables estandarizadas.
Desviación estándar muestral
Media muestral
Coeficientes beta

Explanation

Question 59 of 102

1

La regresión que involucra a la regresada estandarizada y a
la(s) regresora(s) estandarizada(s), el término del intercepto siempre es cero. Los coeficientes de regresión de las variables estandarizadas, denotados por β∗1 y β∗2, se conocen en la bibliografía como los coeficientes beta

¿Cómo se interpretan los coeficientes beta?

Select one of the following:

Se mide con modelos reciprocos.
Se mide el efecto no en términos de las unidades originales en las expresadas X y Y, sino en unidades de desviación estándar.
Consiste en la inversión constante en Activos operativos como resultado de las ventas constantes a través del tiempo.
Un estudio de este tipo es de gran ayuda para encontrar la elasticidad de la demanda respecto de los gastos publicitarios.

Explanation

Question 60 of 102

1

se puede calcular para tales modelos, lo que se conoce como el r2 simple, el cual se define como

Según el enunciado a que se refiere:

Select one of the following:

Modelo de factores
r^2 para el modelo de regresión a través del origen
Modelo de recesión
r^2 para el modelo de recesión a través del origen

Explanation

Question 61 of 102

1

En este modelo, el término del intercepto está ausente o es cero
Según el enunciado a que se refiere:

Select one of the following:

Regresión a través del origen.
Variables
Ecuación
Derivadas

Explanation

Question 62 of 102

1

En la regresión polinomial se tiene una sola variable explicativa continua, x, pero se puede ajustar potencias mayores de x, como x2, x3 … y añadirlas al modelo, junto a x, para describir diversos tipos de curvatura en la relación y x.
¿Qué presentan las funciones polinomiales?

Select one of the following:

Gran flexibilidad de formas, incluso al añadir un solo término cuadrático, dependiendo de los signos de los términos lineales y cuadráticos.
Series de tiempo, series explicativas e información combinada
Gran flexibilidad en los signos de los términos lineales y cuadráticos.
Series de tiempo, series transversales

Explanation

Question 63 of 102

1

El R^2 es una herramienta estadística que se utiliza en modelos estadísticos como en una regresión para predecir futuros resultados.

¿Qué permite medir el R^2 ?

Select one of the following:

La proporción de las series de tiempo.
El punto en el que pudo ocurrir la ruptura de la relación subyacente.
La proporción de la variación en la variable dependiente explicada por la(s) variable(s) explicativa(s).
La proporción de series transversales.

Explanation

Question 64 of 102

1

Una vez fuera del mundo simple del modelo de regresión lineal con dos variables, las pruebas de hipótesis adquieren diversas e interesantes formas
Identifique cual pertenece a la Prueba de hipótesis en regresión múltiple

Select one of the following:

Es decir, los términos de error en las regresiones de los subperiodos
están normalmente distribuidos con la misma varianza
Los dos términos de error (u1t y u2t) están independientemente distribuidos.
Pruebas de que dos o más coeficientes son iguales a otro
Pruebas de que los coeficientes de regresión parcial satisfacen ciertas restricciones
Prueba de la estabilidad del modelo de regresión estimado a través del tiempo o en diferentes unidades de corte transversal
La prueba de Chow dirá sólo si las dos regresiones señalará si la diferencia se debe a los intercepto o a las pendientes, o a ambos.
La prueba de Chow supone que se conoce(n) el(los) punto(s) de ruptura estructural.
Como en el caso de dos variables, el modelo de regresión múltiple sirve para fines de predicción
de media y/o individual.

Explanation

Question 65 of 102

1

La selección entre un modelo de regresión lineal (la regresora es una función lineal de las regresoras) o un modelo de regresión log-lineal (el logaritmo de la regresora es función de los logaritmos de las regresoras) es la eterna pregunta en el análisis empírico

¿Se puede utilizar una prueba propuesta por MacKinnon, White y Davidson, que se denomina, por brevedad?

Select one of the following:

Prueba MWD
Prueba MDW
Prueba DWM
Prueba WDM

Explanation

Question 66 of 102

1

No hay una expresión más errónea, tanto en los libros de texto de econometría como en la bibliografía aplicada, que la de “problema de multicolinealidad”. Es un hecho que muchas variables explicativas presentan un alto grado de colinealidad; asimismo, resulta muy claro que existen diseños experimentales X´X (es decir, matriz de datos) que serían mucho más convenientes que los diseños que proporciona la experimentación natural (es decir, la muestra disponible).

¿Cuál es la naturaleza de la multicolinealidad?

Select one of the following:

Multicolinealidad perfecta
Relación lineal “perfecta”
El lector puede veriﬁcar
Error estocástico

Explanation

Question 67 of 102

1

Existen diversas fuentes de multicolinealidad. Como aﬁrman Montgomery y Peck, la multicolinealidad puede deberse a:

¿Factores de la multicolinealidad?

Select one or more of the following:

El método de recolección de información.
Restricciones en el modelo o en la población objeto de muestreo.
Especiﬁcación del modelo.
Ninguna de las anteriores

Explanation

Question 68 of 102

1

Para referirse a la importancia del tamaño de la muestra, Goldberger acuñó el término micro- numerosidad, como contraparte del exótico nombre polisílabo de multicolinealidad. De acuerdo con Goldberger, la micronumerosidad exacta (la contraparte de multicolinealidad exacta) surge cuando n, el tamaño de la muestra, es cero, en cuyo caso es imposible cualquier clase de estimación.

¿Qué autores están en lo correcto al lamentar la falta de atención al problema del tamaño de la muestra, lo mismo que al problema de multicolinealidad?

Select one of the following:

Peter Kennedy
Beverly Hills
MCO
Leamer, Achen y Goldberger

Explanation

Question 69 of 102

1

Un enfoque alterno pero complementario al de intervalos de confianza para probar hipótesis estadísticas es el método de la prueba de significancia.

¿A que se refiere cuando habla del método de la prueba de significación?

Select one of the following:

Conexión entre los enfoques de intervalo de confianza y prueba de significancia para realizar pruebas de hipótesis.
Procedimiento que utiliza los resultados muestrales para verificar la verdad o falsedad de una hipótesis nula.
A la hipótesis simple si especifica el valor preciso del parámetro de una función de densidad de probabilidad.
Enfoques que plantean que la variable en consideración sigue alguna distribución de probabilidad.

Explanation

Question 70 of 102

1

La teoría de pruebas de hipótesis se refiere al diseño de reglas o procedimientos que permitan decidir si se rechaza o no la hipótesis nula.

¿Cuáles son los dos métodos mutuamente complementarios para
diseñar las reglas de La teoría de pruebas de hipótesis?

Select one of the following:

Prueba bilateral e intervalo de confianza.
Hipótesis mantenida y Plantada.
La hipótesis nula y la hipótesis alternativa.
El intervalo de confianza y la prueba de significancia.

Explanation

Question 71 of 102

1

Este tipo de prueba de normalidad es un simple dispositivo gráfico para saber algo sobre la forma de la función de densidad poblacional de una variable aleatoria.

A esta se la conoce como:

Select one of the following:

Diagrama
Histograma de residuos
Gráfico de probabilidad normal
Prueba Jarque-Bera

Explanation

Question 72 of 102

1

La prueba de normalidad es una prueba asintótica o de muestras grandes. También se basa en los residuos de MCO.

Según su concepto, esta prueba tiene un fin

Select one of the following:

Establecer si el término de error sigue una distribución normal.
Elaborar un estadístico de prueba.
Examinar la distribución muestral
Rechazar la hipótesis de los residuos

Explanation

Question 73 of 102

1

Las variables dicótomas pueden utilizarse en los modelos de regresión en forma tan fácil como las variables cuantitativas.

Tales modelos se denominan:

Select one of the following:

Modelos de Análisis de Varianza (ANOVA).
Variables Dicótomas.
Datos de series de tiempo.
Fuerza lineal entre dos variables.

Explanation

Question 74 of 102

1

Por lo general, en la mayor parte de la investigación económica, un modelo de regresión contiene diversas variables explicativas cuantitativas y otras cualitativas.

Los modelos de regresión que muestran una mezcla de variables cuantitativas y cualitativas se llaman:

Select one of the following:

Modelos de análisis de covarianza (ANCOVA).
Modelos de Análisis de Varianza (ANOVA).
Modelos de Análisis de Costes de fianza
Modelos de Análisis de series de tiempo

Explanation

Question 75 of 102

1

La presencia o ausencia de una “cualidad” o atributo, como femenino o masculino, negro o blanco, católico o no católico, demócrata o republicano, son variables en escala nominal esencialmente una manera de “cuantificar” tales atributos es mediante variables artificiales que toman los valores 0 o 1, donde 1 indica la presencia (o posesión) de ese atributo y 0 su ausencia.

Las variables que adquieren tales valores 0 y 1 se llaman

Select one of the following:

Escala nominal
Variables dicótomas
Análisis de datos
Costes de correlación

Explanation

Question 76 of 102

1

La técnica de variable dicótoma debe manejarse con cuidado, si la regresión contiene un término constante, el número de variables dicótomas debe ser menor que el número de clasificaciones de cada variable cualitativa
La categoría a la cual no se asigna variable dicótoma se conoce como:

Select one of the following:

Escala real
Categoría Base
Análisis de regresión
Costes de datos

Explanation

Question 77 of 102

1

Una serie de tiempo puede tener cuatro componentes: (1) estacional, (2) cíclico, (3) tendencia y (4) estrictamente aleatorio.

Identifique a qué serie de tiempo pertenecen las series de tiempos económicos importantes, como el índice de precios al consumidor (IPC), el índice de precios del productor (IPP) y el índice de producción industrial.

Select one of the following:

Cíclico
Estacional
Tendencia
Estrictamente aleatorio

Explanation

Question 78 of 102

1

En la teoría se analizan diversos temas relativamente avanzados que tienen que ver con las variables dicótomas, como 1) modelos de parámetros aleatorios o variables, 2) modelos de regresión cambiantes y 3) modelos de desequilibrio.

Identifique: qué modelo maneja una situación al permitir que el punto de ruptura sea en sí mismo una variable aleatoria y, mediante un proceso iterativo, determinar cuándo pudo acontecer realmente la ruptura.

Select one of the following:

Modelo de parámetros aleatorios o variables
Modelo de regresión cambiantes
Modelos de desequilibrio
Todas las anteriores

Explanation

Question 79 of 102

1

Una vez fuera del mundo simple del modelo de regresión lineal con dos variables, las pruebas de hipótesis adquieren diversas e interesantes formas.

¿Cuál de las siguientes no es una pruebas de hipótesis?

Select one of the following:

Pruebas de hipótesis sobre un coeficiente de regresión parcial individual
Pruebas de que dos o más coeficientes no son iguales a otro
Pruebas de significancia global del modelo de regresión múltiple estimado.
Pruebas sobre la forma funcional de los modelos de regresión.

Explanation

Question 80 of 102

1

La hipótesis nula es una hipótesis conjunta de que β2 y β3 son iguales a cero en forma conjunta o simultánea.

¿Cómo se denomina la prueba de tal hipótesis?

Select one of the following:

Significancia de hipótesis sobre un coeficiente de regresión parcial
significancia general de la línea de regresión observada o estimada
significancia múltiple de regresión observada o estimada
significancia línea múltiple observada o estimada

Explanation

Question 81 of 102

1

La prueba de la RV se basa en el principio de máxima verosimilitud (MV), Se muestra que para el modelo de regresión con dos variables los estimadores
¿Cuáles son los dos estimadores que se utilizan para el modelo de regresión con dos variables?

Select one of the following:

MCO y MV
LFVR Y MV
CAPM Y MCO
MV Y CAPM

Explanation

Question 82 of 102

1

Algunos modelos pueden parecer no lineales en los parámetros por ser inherente o intrínsecamente lineales, debido a que con una transformación adecuada pueden convertirse en modelos de regresión lineales en los parámetros.

Cuando los modelos inherente o intrínsecamente lineales no pueden alinearse en los parámetros se los conoce cómo?

Select one of the following:

“Modelos de regresión lineales”.
“Modelos de regresión intrínsecamente inherentes”.
“Modelos de regresión intrínsecamente no lineales”.
“Modelos de métodos de ensayo y error”.

Explanation

Question 83 of 102

1

Existen varios métodos o algoritmos para estimar los Métodos de Regresión No Lineales.
Cuáles son los métodos para estimar los MRNL?

Select one of the following:

1) Búsqueda directa o método de ensayo
y error, 2) Optimización directa y 3) Linealización iterativa.
1) Método de paso ascendente, 2) Método de paso descendente y 3) Linealización iterativa.
1) Búsqueda directa o método de ensayo
y error, 2) Optimización directa y 3) Método de paso descendente.
1) Búsqueda directa o método de ensayo y error, 2) Método de paso descendente y 3) Linealización iterativa.

Explanation

Question 84 of 102

1

Existen varios técnicas para linealizar una ecuación no lineal, pero hay una técnica principal

Cuáles es la técnica principal o más utilizada para linealizar una ecuación no lineal?

Select one of the following:

Técnica Linealización descriptiva.
Técnica de error estándar y coeficiente.
Método Marquard
Expansión de series de Taylor

Explanation

Question 85 of 102

1

El análisis empírico se basa en la recogida de una gran cantidad de datos a partir de un fenómeno natural y del análisis de la base de datos de una teoría o llegar a una conclusión particular.
En el análisis empírico existe la manipulación de datos diga ¿Qué otra fuente de manipulación existe?

Select one of the following:

Factico
interpolación o extrapolación
Hipotético-deductivo
Medición

Explanation

Question 86 of 102

1

El término autocorrelación se define como la “correlación entre miembros de series de observaciones ordenadas en el tiempo [como en datos de series de tiempo] o en el espacio [como en datos de corte transversal]”.

¿Cómo define Tintner a la autocorrelacion?

Select one of the following:

“herramienta estadística utilizada frecuentemente en el procesado de señales”
“correlación rezagada de una serie dada consigo misma, rezagada por un número de unidades de tiempo”
“correlación entre miembros de series de observaciones ordenadas en el tiempo”
“correlación rezagada entre dos series diferentes”.

Explanation

Question 87 of 102

1

El teorema de la telaraña es un modelo que representa y explica cómo se alcanza el equilibrio en determinados mercados, en lo que las decisiones de producción y consumo están alejadas en el tiempo.

¿En qué tipo de productos aparece el llamado fenómeno de la telaraña?

Select one of the following:

Productos agrícolas
Productos de manufactura
Productos ganaderos
Productos Químicos

Explanation

Question 88 of 102

1

Tipos de datos disponibles para el análisis empírico

De los cuales son tres:

Select one of the following:

Series de tiempo, datos agrupados, datos individuales
Transversales, series de tiempo y datos agrupados
transversales, series de tiempo y datos individuales
datos agrupados, datos individuales y transversales

Explanation

Question 89 of 102

1

Observamos que no todos los supuestos se cumplen con cualquier tipo de datos, como el transversal que no cumple o no siempre se sustenta con los problemas de homoscedasticidad

En otras palabras. ¿Los datos transversales a menudo están plagados de que problema?

Select one of the following:

Heteroscedasticidad.
Elasticidad
Heteroelasticidad
Homoelasticidad

Explanation

Question 90 of 102

1

A menudo los datos se recopilan con base en una muestra aleatoria de unidades como familias o empresas.
Esta característica ¿a qué tipo de dato corresponde?

Select one of the following:

Dato serie de tiempo
Dato transversal
Datos agrupados
Datos individuales

Explanation

Question 91 of 102

1

Estos datos siguen un ordenamiento natural respecto del tiempo, de modo que es muy posible que las observaciones sucesivas muestren intercorrelaciones, sobre todo si el intervalo entre observaciones sucesivas es muy corto, como un día, una semana o un mes, en lugar de un año.

Esta característica ¿a qué tipo de dato corresponde?

Select one of the following:

Dato serie de tiempo
Dato transversal
Datos agrupados
Datos individuales

Explanation

Question 92 of 102

1

Visualmente, es una curva que evoluciona a lo largo del tiempo. Por ejemplo, las ventas diarias de un producto.

¿A que nos referimos con esta definición?

Select one of the following:

Dato serie de tiempo
Dato transversal
Datos agrupados
Datos individuales

Explanation

Question 93 of 102

1

Son un tipo de datos recopilados mediante la observación de muchos sujetos (como individuos, empresas, países o regiones) al mismo tiempo, o sin tener en cuenta las diferencias en el tiempo. El análisis de los datos suele consistir en comparar las diferencias entre los sujetos.

¿A que nos referimos con esta definición?

Select one of the following:

Dato serie de tiempo
Dato transversal
Datos agrupados
Datos individuales

Explanation

Question 94 of 102

1

La correlación entre miembros de series de observaciones ordenadas en el tiempo como en (datos de series de tiempo) o en el espacio como en (datos de corte transversal).

¿A que nos referimos con esta definición?

Select one of the following:

Dato serie de tiempo
Dato transversal
Datos agrupados
Auto correlación

Explanation

Question 95 of 102

1

La oferta de muchos productos agrícolas refleja un fenómeno, en donde la oferta reacciona al precio con un rezago de un periodo debido a que la instrumentación de las decisiones de oferta tarda algún tiempo (periodo de gestación).

¿Cómo llamamos a este fenómeno?

Select one of the following:

Dato serie de tiempo
Dato transversal
Fenómeno de la telaraña
Datos individuales

Explanation

Question 96 of 102

1

En una regresión de series de tiempo del gasto de consumo sobre el ingreso no es extraño encontrar que el gasto de consumo en el periodo actual dependa, entre otras cosas, del gasto de consumo del periodo anterior.

¿A qué termino corresponde esta definición?

Select one of the following:

Dato serie de tiempo
Rezagos
Datos agrupados
Datos individuales

Explanation

Question 97 of 102

1

En el análisis empírico con frecuencia se “manipulan” los datos simples. Por ejemplo, en las regresiones de series de tiempo con datos trimestrales, por lo general estos datos provienen de datos mensuales a los que se agregan simplemente las observaciones de tres meses y se divide la suma entre 3.

¿A que hace referencia esta definición?

Select one of the following:

Manipulación de Datos
Rezagos
Datos agrupados
Datos individuales

Explanation

Question 98 of 102

1

Si se considera el modelo general de M ecuaciones con M variables endógenas dado en la ecuación pueden adoptarse dos enfoques para estimar las ecuaciones estructurales
Identificar los dos enfoques para la estimación de ecuaciones simultáneas

Select one of the following:

Métodos de recolección de datos, Métodos simples.
Métodos uniecuacionales, Métodos de
Sistemas.
Métodos avanzados, Métodos de cálculo.
Método de ecuaciones, Método biecuacionales.

Explanation

Question 99 of 102

1

Estimación de una ecuación exactamente identificada:
el método de mínimos cuadrados indirectos (MCI). Para una ecuación estructural precisa o exactamente identificada, el método para obtener las estimaciones de los coeficientes estructurales a partir de las estimaciones por MCO de los coeficientes en forma reducida se conoce como método de mínimos cuadrados indirectos (MCI), y las estimaciones así obtenidas se conocen como estimaciones de mínimos cuadrados indirectos.

Determine uno de los tres pasos que comprende MCI:

Select one of the following:

Las perturbaciones de diferentes ecuaciones en el mismo periodo no están correlacionadas (técnicamente, éste es el supuesto de cero correlaciones contemporáneas)
MCO generalmente es inaplicable a modelos de ecuaciones simultáneas, se puede utilizar solamente como estándar o norma de comparación
Se aplica MCO individualmente a las ecuaciones en la forma reducida. Esta operación es permisible puesto que las variables explicativas en estas ecuaciones están predeterminadas y, por tanto, no están correlacionadas con las perturbaciones estocásticas. Las estimaciones así obtenidas son consistentes.
Hay una situación en la cual el método de MCO puede ser aplicado apropiadamente, aun en el contexto de las ecuaciones simultáneas. Es el caso de los modelos recursivos, triangulares o causales.

Explanation

Question 100 of 102

1

Tres métodos uniecuacionales comúnmente utilizados son: MCO, MCI y MC2E.
Identificar cuál de estos métodos es inapropiado en el contexto de los modelos de ecuaciones simultáneas

Select one of the following:

MCO
MCI
MC2E
Ninguna de las anteriores

Explanation

Question 101 of 102

1

El método de MCI es apropiado para ecuaciones precisas o exactamente identificadas. Mediante este método, se aplica MCO a la ecuación en la forma reducida, y es a partir de los coeficientes de dicha forma que se estiman los coeficientes estructurales originales. El método de MC2E está diseñado en especial para ecuaciones sobre identificadas, aunque también puede aplicarse a ecuaciones exactamente identificadas. Pero entonces los resultados de MC2E y MCI son idénticos. La idea básica detrás de MC2E es reemplazar la variable explicativa endógena (estocástica) por una combinación lineal de variables predeterminadas en el modelo y utilizar esta combinación como variable explicativa en lugar de la variable endógena original. El método MC2E se parece entonces al método de estimación de variables instrumentales, en el cual la combinación lineal de las variables predeterminadas sirve como instrumento o variable representante para la regresara endógena.
Determine una característica sobre MCI y MC2E:

Select one of the following:

Una característica importante sobre MCI y MC2E es que las estimaciones obtenidas son relativas.
Una característica importante sobre MCI y MC2E es que las estimaciones obtenidas son constantes.
Una característica importante sobre MCI y MC2E es que las estimaciones obtenidas son permanentes.
Una característica importante sobre MCI y MC2E es que las estimaciones obtenidas son consistentes.

Explanation

Question 102 of 102

1

Por razones de economía, errores de especificación, etc., los métodos uniecuacionales son los más comunes
Identifique una de las características de este método.

Select one of the following:

Una característica es que se considera el modelo ingreso-oferta monetaria dado anteriormente en las ecuaciones
Una característica única de estos métodos es que es posible estimar aisladamente una ecuación que forma parte de un modelo multiecuacional sin preocuparse mucho de las otras ecuaciones del sistema.
Una característica que es fácil aplicar porque todo lo que se necesita saber es el número total de variables exógenas o predeterminadas en el sistema sin conocer ninguna otra variable en el mismo.
Ningunas de las anteriores

	Created by Santiago Zambrano about 5 years ago

REACTIVOS CARRERA

ECONOMETRIA

ECONOMETRIA

Question 1 of 102

El modelo clásico de regresión lineal normal supone que cada ui está normalmente distribuida con algunos supuestos. Estos supuestos se expresan de manera más compacta como:

Select one of the following:

Explanation

Question 2 of 102

El modelo clásico de regresión lineal normal puede dar solución a algo que los otros modelos A que se refiere:

Select one of the following:

Explanation

Question 3 of 102

Teorema central del límite (TCL), es una teoría estadística que establece que, dada una muestra suficientemente grande de la población, la distribución de las medias muestrales seguirá una distribución normal. ¿Que nos demuestra este teorema?

Select one of the following:

Explanation

Question 4 of 102

Decimos que son estimadores y que sus valores cambiarán de muestra en muestra ¿Cómo se les denomina?

Select one of the following:

Explanation

Question 5 of 102

En el contexto de regresión se supone, por lo general, que las u tienen la distribución de probabilidad normal. Si a los supuestos del modelo clásico de regresión lineal (MCRL) se añade el supuesto de normalidad para ui ¿Que se obtiene de esto?

Select one of the following:

Explanation

Question 6 of 102

El modelo econométrico es empírico (práctico, basado en la experiencia y en la observación de los hechos), no determinista (teórico, totalmente predecible en un momento dado si fuera posible conocer todos los datos). ¿Cuál es el estimador que se expresa en términos de las cantidades?

Select one of the following:

Explanation

Question 7 of 102

Una vez obtenidos los estimadores de MCO de los datos de la muestra, se obtiene sin problemas la línea de regresión muestral. Seleccione la serie de pasos para obtener la línea de regresión muestral.

Select one of the following:

Explanation

Question 8 of 102

.

Select one of the following:

Explanation

Question 9 of 102

El modelo de Gauss, modelo clásico o estándar de regresión lineal (MCRL), es el cimiento de la mayor parte de la teoría econométrica. ¿Cuál de estos supuestos pertenece al teorema de Gauss Markov?

Select one of the following:

Explanation

Question 10 of 102

Select one of the following:

Explanation

Question 11 of 102

A medida que aumenta el ingreso familiar, el consumo familiar, en promedio, también aumenta. ¿Qué sucede con el consumo de una familia en relación con su nivel de ingreso fijo?

Select one of the following:

Explanation

Question 12 of 102

Es una variable aleatoria no observable que adopta valores positivos o negativos. Técnicamente, ui se conoce

Select one of the following:

Explanation

Question 13 of 102

¿Por qué no se crea un modelo de regresión múltiple con tantas variables como sea posible? Las razones son:

Select one of the following:

Explanation

Question 14 of 102

Conocido también como estadístico (muestral), no es más que una regla, fórmula o método para estimar el parámetro poblacional a partir de la información suministrada por la muestra disponible. Este concepto de aleatoriedad, pertenece a:

Select one of the following:

Explanation

Question 15 of 102

La regla básica de 2T Señala que:

Select one of the following:

Explanation

Question 16 of 102

Select one of the following:

Explanation

Question 17 of 102

Select one of the following:

Explanation

Question 18 of 102

Este método de estimación suele ser más intuitivo y matemáticamente más sencillo.. A que método hace referencia el siguiente concepto general.

Select one of the following:

Explanation

Question 19 of 102

El método de mínimos cuadrados presenta propiedades estadísticas muy atractivas que lo han convertido en uno de los más eficaces y populares del análisis de regresión. Cual fue el autor de este método:

Select one of the following:

Explanation

Question 20 of 102

Se pueden emplear en la función de regresión para poder analizar eficazmente datos estadísticos la función de regresión muestral. A que hace referencia la siguiente formula: Yi = B1+B2Xi+ ui

Select one of the following:

Explanation

El modelo clásico de regresión lineal normal supone que cada ui está normalmente distribuida con algunos supuestos.

Estos supuestos se expresan de manera más compacta como:

El modelo clásico de regresión lineal normal puede dar solución a algo que los otros modelos

A que se refiere:

Teorema central del límite (TCL), es una teoría estadística que establece que, dada una muestra suficientemente grande de la población, la distribución de las medias muestrales seguirá una distribución normal.

¿Que nos demuestra este teorema?

Decimos que son estimadores y que sus valores cambiarán de muestra en muestra

¿Cómo se les denomina?

En el contexto de regresión se supone, por lo general, que las u tienen la distribución de probabilidad normal. Si a los supuestos del modelo clásico de regresión lineal (MCRL) se añade el supuesto de normalidad para ui

¿Que se obtiene de esto?

El modelo econométrico es empírico (práctico, basado en la experiencia y en la observación de los hechos), no determinista (teórico, totalmente predecible en un momento dado si fuera posible conocer todos los datos).

¿Cuál es el estimador que se expresa en términos de las cantidades?

Una vez obtenidos los estimadores de MCO de los datos de la muestra, se obtiene sin problemas la línea de regresión muestral.

Seleccione la serie de pasos para obtener la línea de regresión muestral.

El modelo de Gauss, modelo clásico o estándar de regresión lineal (MCRL), es el cimiento de la mayor parte de la teoría econométrica.

¿Cuál de estos supuestos pertenece al teorema de Gauss Markov?

A medida que aumenta el ingreso familiar, el consumo familiar, en promedio, también aumenta.

¿Qué sucede con el consumo de una familia en relación con su nivel de ingreso fijo?

Es una variable aleatoria no observable que adopta valores positivos o negativos.
Técnicamente, ui se conoce

¿Por qué no se crea un modelo de regresión múltiple con tantas variables como sea posible?

Las razones son:

Conocido también como estadístico (muestral), no es más que una regla, fórmula o método para estimar el parámetro poblacional a partir de la información suministrada por la muestra disponible.

Este concepto de aleatoriedad, pertenece a:

La regla básica de 2T

Señala que:

Este método de estimación suele ser más intuitivo y matemáticamente más sencillo..
A que método hace referencia el siguiente concepto general.

El método de mínimos cuadrados presenta propiedades estadísticas muy atractivas que lo han convertido en uno de los más eficaces y populares del análisis de regresión.

Cual fue el autor de este método:

Se pueden emplear en la función de regresión para poder analizar eficazmente datos estadísticos la función de regresión muestral.

A que hace referencia la siguiente formula:
Yi = B1+B2Xi+ ui

Para poder determinar la FMR primero hay que establecer una ecuación que sea el paso inicial para poder realizar el respectivo desarrollo.

A que hace referencia esta fórmula:

Propiedades numéricas son las que se mantienen como consecuencia del uso de mínimos cuadrados ordinarios, sin considerar la forma como se generaron los datos
Seleccione las propiedades estadísticas de los estimadores MCO.

Los datos recopilados por estas organizaciones pueden ser de naturaleza experimental o no experimental.
En los datos experimentales, frecuentes en las ciencias naturales, el investigador suele….

La función de esperanza condicional (FEC), función de regresión poblacional (FRP) o regresión poblacional (RP).

Simbólicamente

β1 y β2 son parámetros no conocidos pero fijos

Que se denominan

La relación sobre todo con modelos lineales en la estimación de FRP

El primer significado de Linealidad en las variables

La linealidad se presenta cuando la esperanza condicional de Y, E(Y | Xi), es una función lineal de los parámetros, los β; puede ser o no lineal en la variable X.

Es un modelo de regresión lineal en el parámetro

La linealidad en los parámetros es pertinente para el desarrollo de la teoría de regresión

Mencione las dos interpretaciones de linealidad

La línea de regresión poblacional

Desde el punto de vista geométrico, una curva de regresión poblacional

Si, con base en una prueba de significancia, por ejemplo, la prueba t, decidimos “aceptar” la hipótesis nula,

Todo lo que se afirma es que :

Construya un intervalo de confianza para β2 a 100(1 − α)%

La Regla de decisión nos indica

la multicolinealidad, el interrogante natural es:

Determine cuál de las siguientes opciones se refiere a una de las advertencia de Kmenta:

Se dice que un modelo de regresión lineal presenta heterocedasticidad cuando la varianza de las perturbaciones no es constante a lo largo de las observaciones.

La heteroscedasticidad también surge por la presencia de:

El modelo de regresión lineal supone que no debe existir autocorrelación en los errores.

El término autocorrelación se define como:

Dado dos valores cualesquiera de X, Xi y Xj (i= j), la correlación entre dos ui y uj cualesquiera (i no es igual a j) es cero. En pocas palabras estas observaciones se muestran de manera independiente.

A que supuesto hace referencia este enunciado

La distribución normal es una distribución comparativamente sencilla y requiere sólo dos parámetros.

¿Cuáles son?

Si trabajamos con una muestra finita o pequeña, la suposición de normalidad desempeña un papel relevante
¿Cuantos datos u observaciones se necesitan para que se cumpla el papel relevante de la muestra?