Cuestionario y Ejercicios Finales de Econometra

Hebert Suarez Cahuana

30 de junio de 2011

1.

Introduccion
1. Una empresa fabricante de automoviles desea estimar la de manda de autos, Dt ,
en funcion del precio de los mismos, Pt , para lo cual dispone de los datos de
ambas variables de la propia empresa en los u ltimos 120 meses (t = 1, ..., 120).
Con este objetivo, se estiman los siguientes modelos:
Dt = 0 + 1 Pt + t

(1)

LogDt = 0 + 1 logPt + t

(2)

LogDt = 0 + 1 Pt + t

(3)

Dt = 0 + 1 logPt + t

(4)

donde t , t , t y t son los correspondientes terminos del error.

a) Cual es el signo esperado del coeficiente 1 del primer modelo?
b) Interprete matematica, grafica y economicamente los coeficientes 0 y 1
c) Interprete el significado economico de los coeficientes 1 , 1 y 1 de los
modelos anteriores.
d) Como podemos obtener las elasticidades precio de la demanda de automoviles en cada modelo a partir de 1 , 1 y 1 ?
2. Escriba un modelo lineal para cada uno de los casos que se plantea a continuacion, comentando cual es el tipo de datos que se trata en cada uno de ellos
(series temporales, seccion cruzada (corte transversal) o datos de panel):
a) Queremos conocer como vara la cantidad demandada de un activo financiero
por un agente, AF (por ejemplo pagares de empresa), a lo largo de 36
meses, en funcion del rendimiento del mismo, RAF, el riesgo que conlleva, RIAF, y el ingreso del agente, RE
b) Variacion de la cantidad demandada de un activo financiero, AF, por 50
agentes distintos a lo largo de 36 meses, en funcion del rendimiento del
mismo, RAF, el riesgo que conlleva, RIAF, y el ingreso de cada agente,
RE.
c) Evolucion de la demanda mensual de trabajo de una empresa, DT en funcion del salario real, W y del volumen de ventas esperado, VV E con datos
mensuales recogidos durante cuatro anos.

d) Gastos en publicidad de una empresa, GP en funcion del volumen de ventas, VV , y del numeros de sucursales que tiene abiertas en el pas, SS.
Disponemos de los datos correspondientes al ano pasado, recogidos al 31
de diciembre, sobre 100 empresas distintas. 1
3. Una multinacional desea conocer como varan los gastos medios de personal, GP
de cada una de sus 50 fabricas, en funcion de su situacion geografica (gastos en
transporte de los empleados), SG y la conflictividad laboral de las mismas, CL.
Se sabe que las fabricas situadas a una distancia de mas de 15 Km del centro de
la ciudad deberan instalar un servicio de o mnibus para el transporte de los empleados. Tambien se sabe que aquellas fabricas con conflictividad laboral veran
disminuir sus gastos de personal (pues los das de huelga no se pagan). A partir
del modelo inicial:
GPi = 0 + 1 wi + i i = 1, ..., 50

(5)

donde wi es el salario medio por trabajador en la fabrica i-esima, modifique el

modelo de forma conveniente para recoger como afecta cada una de estas dos
variables categoricas (SG y CL) a los gastos de personal y comente como se
pueden construir dichas variables.
4. Se piensa que los gastos de mantenimiento de la maquinaria de unos hornos
grandes GM son funcion de:
Antiguedad de la maquinaria A.
Volumen de produccion mensual V P.
Calidad del combustible utilizado en las maquinas CC.
Salario medio e incentivos a los trabajadores W .
Condiciones medio-ambientales de la localidad en que esta instalada la
planta MA.
a) Formule un modelo lineal que refleje la relacion entre los gastos de mantenimiento y las variables senaladas, para datos recogidos a lo largo de 48
meses.
b) Discuta cual sera el signo esperado de cada uno de los coeficientes del
modelo anterior.
c) Comente la posible interpretacion del termino constante.
5. Una cadena de supermercados desea abrir una nueva tienda en Arequipa, para
lo cual esta considerando varios emplazamientos alternativos. La empresa decidira abrir el nuevo establecimiento en aquel lugar en el que su volumen de ventas esperado sea mayor. Se supone que los costes de instalacion y funcionamiento
son similares para cualquier emplazamiento.
a) Que variables considerara relevantes a la hora de determinar el volumen
de ventas?
b) Que proceso seguira usted para calcular como influye cada una de estas
variables en el volumen de ventas, suponiendo que se dispone de los datos
generados por el resto de los establecimientos del grupo (120 en total),
recogidos a finales del ano pasado?
1 Utilice

un intercepto en todos los modelos

c) Que tipo de datos (series temporales, seccion cruzada, datos de panel)

estaramos utilizando en el apartado anterior?.

2.

El Modelo Lineal General: Especificacion y Estimacion

1. Una empresa de servicios informaticos desea estimar la evolucion de la demanda
de dichos servicios en su localidad, para lo cual utiliza el siguiente modelo, con
datos cuatrimestrales (4 meses) de los diez u ltimos anos:
Dt = 0 + 1 Pt + 2Yt + t t = 1, ..., 30

(6)

Donde:
Dt : demanda de servicios informaticos.
Pt : precio de los servicios.
Yt : Ingreso medio de la localidad.
t : termino del error.
Que supuesto del modelo lineal general no se cumplira si en realidad la demanda dependiera de Pt y de Yt2 en vez de depender de Pt y de Yt ?
2. Un representante de una editorial piensa que el volumen de sus ventas V , depende
linealmente del precio de los libros que ofrece P y del ingreso medio de la zona
en la que trabaja Y . Sin embargo, estudios de marketing previos que e l no conoce
han demostrado que la calidad de los libros C, es una variable relevante a la hora
de determinar dicho volumen de ventas. Formule un modelo que podra utilizar el
representante para estimar el volumen de ventas y el modelo que debera haber
utilizado en el caso de que hubiese tenido acceso a dichos estudios. Compare
y comente que supuesto basico del modelo lineal de regresion multiple no se
cumple en el primero de estos modelos.
3. Para la estimacion de la produccion de gases contaminantes por una fabrica de
papel se ha utilizado el siguiente modelo:
Ct = 0 + 1Vt + ut

t = 1, ..., T

ut = 1 ut1 + t

(7)
(8)

Donde:
Ct : produccion de gases contaminantes.
Vt : volumen de papel fabricado.
ut : termino del error.
t : ruido blanco.
Comente que supuesto del modelo de regresion multiple en series de tiempo se
incumple en este caso si se intenta estimar 7 por Mnimos Cuadrados Ordinarios.
4. Para evaluar el efecto de la publicidad sobre las ventas de un jabon de lavadoras
se dispone de dos modelos alternativos:
Vt = Pt eut

t = 1, ..., T

(9)

donde V es el volumen de ventas y P son los gastos de publicidad.

Vt = 0 Pt + 1 Prt + vt

t = 1, ..., T

(10)

Donde Pr es el precio del producto. Comente que problemas presenta cada modelo para su estimacion por MCO, y se se pueden resolver con alguna transformacion apropiada de los datos.
5. Una empresa de productos cosmeticos considera que el precio de venta de sus
productos Pt dependera de la demanda de los mismos Dt , del precio de los factores utilizados Ht y del precio de venta del perodo anterior Pt1 . Para la estimacion del precio por MCO, dispone de datos trimestrales de los 10 u ltimos
anos. Comente que supuesto del modelo de regresion multiple en series de tiempo se incumple en este caso.
6. Una empresa dispone de un presupuesto mensual fijo Q, a distribuir entre salarios
St e inversion en maquinaria Mt . Dicha empresa considera que el precio del producto final mensual Pt depende de los salarios pagados, de la inversion efectuada
en maquinaria y de un margen de beneficios Bt , representado por el siguiente
modelo, donde los datos mensuales han sido recogidos a lo largo de los u ltimos
tres anos:
Pt = 0 + 1 St + 2 Mt + 3 Bt + ut t = 1, ..., 36
(11)
Q = St + Mt , siendo Q fijo para todo t. Comentar que problema surgira en la
estimacion de dicho modelo por MCO Que supuesto se incumple?
7. Una cooperativa agraria desea estimar como afecta la cantidad de fertilizante
aplicado por hectarea de cultivo al volumen de la cosecha anual. Para ello dispone
de los datos observados durante los u ltimos 10 anos que se muestran en el cuadro
1
a) Calcule la recta de regresion de la cosecha C, sobre la cantidad de fertilizante F, utilizando un intercepto.
b) Dibuje la recta de regresion anterior junto con los puntos correspondientes
a los datos reales. Se ajusta bien dicha recta a los valores observados?
Observa algun dato que no se ajuste bien a la relacion? (dato tpico o
anomalo)
c) Se sabe que en el sexto ano se produjeron inundaciones en la zona. Cree
que este hecho distorsiona los resultados estimados anteriormente?
d) Estime el mismo modelo del apartado (a) sin incluir el dato correspondiente al sexto ano. Dibuje la nueva recta de regresion junto con los puntos
observados. Se ajusta ahora mejor la estimacion a los valores observados?.
Cuadro 1:
Ano
Fertilizante (kg por Ha)
Cosecha (Tm por Ha)

1
10
45

2
12
49

3
14
51

4
15
55

5
19
62

6
21
5

7
25
69

8
28
72

9
30
73

10
31
79

8. El Ministerio de la Produccion desea estimar cual sera el volumen de produccion

de las empresas textiles del pas. Dado que cree que dicho nivel de produccion
dependera de la demanda de productos textiles en cada perodo decide estimar el
siguiente modelo:
Pt = 0 + 1 DMt + ut

t = 1, ..., T

(12)

Donde:
Pt : Nivel de produccion media.
DMt : Demanda textil media.
ut termino del error.
Los resultados son los siguientes:

bt = 5 +
P
(1,336)

n = 30

(0,0731)

DMt

= 2,9880

(13)

(Desviaciones estandar entre parentesis)

Podramos encontrar otros estimadores insesgados de 0 y 1 , lineales respecto
a Pt , que tuvieran una varianza menor que la obtenida en la estimacion MCO?
Por que?

3.

Transformaciones lineales en el modelo de regresion

multiple
1. Una compana aerea desea calcular el consumo de combustible por viaje de sus
aviones Ci en funcion de la distancia recorrida por los mismos Di y del numero
de pasajeros que transportan Pi . Para ello utiliza el siguiente modelo de regresion
lineal:
Ci = 0 + 1 Di + 2 Pi + ut , i = 1, ..., 10
(14)
Con los datos obtenidos en 10 vuelos realizados por aviones de la compana que
se muestra en el archivo aviones.dta.
a) Estime por MCO los coeficientes 0 , 1 , 2 y la varianza de los residuos
2 . Cual es el R2 correspondiente?. Explique el significado del R2 en este
caso concreto.
b) Estime el modelo de los coeficientes 0 , 1 , 2 y de la varianza de los residuos i2 del siguiente modelo:
Cid = 0 + 1 Ddi + 2 PiD + ui

(15)

donde Cid , Ddi y Pid son las anteriores variables Ci , Di y Pi en desviaciones

respecto de su media. Cual es el R2 de este modelo?
2. Se quiere explicar el tipo de interes de los bonos de una empresa en momento
dado Ri como una funcion lineal de la cantidad demandada de dichos pagares Pi ,
medido en soles, segun el modelo Ri = 0 + 1 Pi + ui . Par ello dispone de los
datos del archivo bonos.dta de 10 empresas distintas:
5

a) Obtenga los coeficientes estimados (utilizando intercepto). Comente que

problemas pueden encontrarse como consecuencia de las unidades en que
se han expresado las variables.
b) Realice la estimacion de los coeficientes, midiendo la cantidad demandada de bonos en miles de soles. Compare con los resultados del apartado
anterior
1) Que diferencias observa? A que se deben?
3. Se ha utilizado un modelo lineal general, para estimar los gastos de mantenimiento de maquinaria gt de una empresa, medidos en miles de soles, en funcion de la
produccion de cemento de la misma Pt . Para ello, se dispone de datos mensuales
de los u ltimos 59 meses, que vienen recogidos en el archivo maquinarias.dta.
El modelo utilizado es:
gt = 1 Pt + ut ,

t = 1, ..., 59

(16)

a) Estime el modelo original. Formule y estime el modelo lineal general con

termino constante.
b) Obtenga el coeficiente de determinacion y el coeficiente de determinacion
ajustado para ambos modelos y comente, en base a los resultados que modelo elegira.
c) Que valor tendran los coeficientes estimados en el modelo con termino
constante si los gastos de mantenimiento vinieran medidos en soles?

4.

Heteroscedasticidad

La gerencia de Estudios Economicos de un banco pretende elaborar un modelo de

regresion lineal con el que explicar el nivel de consumo mensual medio por familia en
terminos nominales Yt y el ndice de precios al consumidor Pt .
Con esta intencion decide estimar el modelo:
Ct = 0 + 1Yt + 2 Pt + ut

(17)

Para ello dispone de 50 observaciones muestrales en el archivo consumo.dta desde

enero de 1986 hasta febrero de 1990.
Sin embargo, hay indicios de que el termino de error del modelo anterior, ut , este
directamente relacionado con la variable Yt por lo que pueden surgir problemas de
heteroscedasticidad (la varianza de ut variara con Yt ).
1. Aplique la prueba de White para detectar la heteroscedasticidad.
2. Aplique la prueba de Breusch-Pagan para detectar la heteroscedasticidad.
3. Suponga que la heteroscedasticidad detectada se debe al hecho de que la varianza
del termino del error ut del modelo original:
Ct = 0 + 1Yt + 2 Pt + ut
esta relacionado con la variable Yt de la siguiente manera:
Var(ut /X) = 2Yt2
Cov(ut , us ) = 0t 6= s
6

(18)

Con esta informacion estime le modelo utilizando el modelo de mnimos cuadrados ponderados.
4. Pruebe la significancia individual de 0 , 1 y 2 en el modelo MCO y Ponderado.
Compare los resultados.
5. Suponga que la gerencia de estudios economicos acaba de recibir los datos de las
variables Yt+1 = 300 y Pt+1 = 136. Cual sera la prediccion de la variable Ct+1 ?
Cual sera el intervalo de confianza al 95 % de confianza para dicha prediccion?

5.

Correlacion
1. Comente que problemas se observan en el termino del error al estimar por MCO
(Mnimos Cuadrados Ordinarios). un modelo del numero de chalinas vendidas
en una pequena localidad durante el ano pasado Vt en funcion del precio de las
mismas Pt medido en soles una constante, a partir de los datos mensuales del
archivo corr 1.
2. El numero total de termas solares vendidas por una empresa Ft , depende del
numero de puntos de distribucion Pt que dicha empresa tiene y de la temperatura
media del a rea en la que la misma trabaja Et , siendo 19 un modelo adecuado para
su estimacion por MCO.
Ft = 0 + 1 Pt + 2 Et + ut , t = 1, ..., 49

(19)

Analice los problemas que se presentan en el termino del error si las ventas se
hacen depender tan solo del numero de puntos de distribucion, utilizando para
ello los datos del archivo corr 2.
3. Un empresario desea estimar el consumo de combustible Gt medido en litros que
se realiza en una fabrica, en funcion del precio del mismo Pt . Para ello dispone
de datos observados durante los u ltimos 20 anos que se muestran en el archivo
corr 3. El modelo que se utiliza para la estimacion es el siguiente:
Gt = 0 + 1 Pt + ut , t = 1, ..., 20

(20)

Que problemas surgiran si existiera una relacion no-lineal entre el consumo

de combustible y el precio (ya que se intenta ahorrar combustible ante precios
demasiado elevados), siendo 21 el modelo correcto:
Gt = 0 + 1 Pt + 2 Pt2 + ut , t = 1, ..., 20

(21)

4. La produccion de mineral Pt , medida en toneladas, depende de la produccion del

ano pasado y de los gastos de mantenimiento de la mina, segun el modelo:
Pt = 0 + 1 Pt1 + 2 Gt + ut , t = 1, ..., 24

(22)

Analice los problemas que surgen si el modelo utilizado para explicar dicha produccion utiliza tan solo los gastos de mantenimiento y una constante como variables explicativas, utilizando los datos del archivo corr 4
5. A partir del ejercicio 2, utilice los estadsticos Durbin-Watson y Breusch-Godfrey
para la deteccion de correlacion serial en el modelo de variable omitida.
7

6. Partiendo de nuevo del ejercicio 2, intente solucionar el problema de correlacion

serial mediante:
a) Estimacion por el metodo de Prais-Winstein.
b) Estimacion por el metodo de Cochrane-Orcutt
c) Estimacion utilizando errores estandar robustos ante heteroscedasticidad.
d) Reespecificacion del modelo incorporando la variable inicialmente omitida. Compare los resultados obtenidos.
e) Realice un analisis de capacidad predictiva de los modelos estimados, aplicando el criterio de la Raz del Error Cuadratico Medio (RECM).
1) Se estima el modelo con n observaciones, dejando sin usar m observaciones, tal que el total de observaciones en la muestra es n + m.
2) Se predice el modelo para las m observaciones omitidas y se calcula el
RECM, mediante la formula:
v
u m
u
u (y y)
2
t i=1
(23)
RECM =
m
el modelo que tenga menor RECM tiene una mejor capacidad predictiva.

6.

Cuestionario de Seleccion Multiple

Proporcione una muy breve justificacion de su respuesta.
1. La colinealidad podra estar presente en su modelo si:
a) Algunos o todos los ratios t son individualmente pequenos (no se rechaza que las pendientes poblacionales son cero), el F calculado es grande
(se rechaza la hipotesis de que todas las pendientes son simultaneamente
iguales a cero)
b) Los ratios t y F son pequenos.
c) El valor maximizado del logaritmo de la verosimilitud es pequeno.
d) E R2 de modelo estimado es alto.
2. La colinealidad esta presente si existe una alta correlacion entre la variable dependiente y uno (o mas) de las las variables explicativas o regresores.
a) Verdadero.
b) Falso.
c) Incierto.
3. Cual de los siguientes comandos de STATA efectua el procedimiento de diagnostico para detectar la presencia de colinealidad en un modelo de regresion
multiple?
a) vif
8

b) fiv
c) bgodfrey
d) hettest
e) ovtest
4. La colinealidad:
a) Comprende la bondad de ajuste de su modelo estimado.
b) Puede dificultar la distincion de los efectos individuales sobre la variable
dependiente de un regresor.
c) Hace que los valores de los coeficientes estimados sean insensibles a la
presencia o ausencia de otras variables en el modelo.
d) Hace que los ratios t sean altos y el F calculado sea pequeno.
5. Las correlaciones por pares (el r para cada par posible de regresores), siempre
revela de manera confiable, si la colinealidad esta presente en su modelo.
a) Verdadero.
b) Falso.
c) Incierto.
6. Las variables dummy son variables categoricas sin un valor numerico evidente.
Generalmente asignamos D = 0 para el grupo o caso base, que por lo general es
el grupo mas numeroso y D = 1 para el grupo alterno o especial. Pero tambien
podramos hacer ello de una manera distinta, asignar D = 5 para el grupo base
y D = 12 para el grupo alterno:
a) Verdadero.
b) Falso
c) Incierto.
7. Si deseamos utilizar un conjunto de variables dummy para capturar 6 diferentes
categoras en una variable explicativa, usted debera utilizar 6 variables dummy
diferentes, cada una igual a 1 si la observacion tiene una categora especfica y 0
sino:
a) Verdadero.
b) Falso.
c) Incierto.
8. Si tiene una muestra que consiste de hombres y mujeres, algunos que hablan
el ingles como idioma nativo y otros que hablan el ingles pero que no es este
su idioma nativo, podra construir una variable dummy mujer Mi = 1 si mujer
y Mi = 0 si es hombre y una variable dummy ingles I = 1 si la persona tiene
al ingles como idioma nativo e I = 0 sino. Que modelo permite probar si una
mujer que habla el ingles como idioma nativo, tiene una salario Yi mas elevado
que el de cualquier otro grupo?
a) Yi = 0 + 1 Mi + 2 Ii + ui
9

b) Yi = 0 + 1 MI + 2 Ii + 3 Mi2 + 4 II2 + ui
c) Yi = 0 + 1 Mi + 2 Ii + 3 Mi Ii + ui
d) Yi = 0 + 1 Mi + ui para los que hablan el ingles como idioma nativo y
Yi = 0 + 1 Ii + ui para las mujeres.
9. las variables dummy pueden usarse en el proceso de desestacionalizacion de las
series de tiempo que tienen fluctuaciones regulares periodicas (como das de la
semana, meses o trimestres a lo largo de un ano)
a) Verdadero.
b) Falso.
c) Incierto.
10. Con datos de series de tiempo, si existe un perodo de tiempo que es deferente de
manera sistematica del resto o que el proceso generador de los datos fuese distinto durante este perodo por ejemplo debido a una guerra, una ola de inmigracion
inusual, un partido poltico distinto en el poder), se puede definir variables dummy para cada uno de los perodos para permitir que la variable dependiente sea
sistematicamente mas alta o baja en dicho perodo (y se permita que las independientes del modelo no se vean afectadas por el cambio o evento)
a) Verdadero.
b) Falso.
c) Incierto.
11. En comparacion con los modelos lin-lin los modelo log-log, se toman logaritmos
de todas las variables continuas no-negativas pero no utilizamos los logaritmos
de las variables dummy. Esto porque:
a) El logaritmo de 1 es 0 y el logaritmo de 0 no esta definido.
b) Adam Smith sostiene que los economistas nunca deben utilizar el logaritmo
de una variable dummy.
c) Solo los incautos intentaran tomar logaritmos de una variable dummy.
d) Ninguna de las anteriores.
12. Como probara si la estacionalidad por trimestres es significativa en una serie
de tiempo trimestral?
a) Estimar el modelo con 3 variables dummy trimestrales y realizar una prueba F conjunta sobre si los coeficientes de las 3 variables dummy son iguales
a cero.
b) Colocar variables dummy para cada trimestre, hacer una regresion por vez
en un conjunto de 4 regresiones. Solo si todas las regresiones tienen su correspondiente coeficiente dummy significativo podemos rechazar la hipotesis
de no estacionalidad.
c) Estima el modelo con 4 variables dummy trimestrales y sin intercepto y
probar los 4 ratios t de estas variables dummy. Solo si todas las variables
dummy son individualmente significativas hay estacionalidad en esta serie
de tiempo.
10

d) Graficar la variable dependiente como una funcion del tiempo y observar

si existe un comportamiento cclico a traves de los trimestres.
13. En un conjunto de datos, su variable explicativa o regresor ingreso ING se codifica como: 1=Ingreso entre 0 y 1000 soles,2= ingreso entre 1000 y 2500, 3=
ingreso entre 2500 y 5000 por ano, 4= ingreso entre 5000 y 7500, 5= ingreso
mayor que 7500 por ano. La mejor manera de manejar estos datos es:
a) Aceptar que ING no es perfecto y utilizarlo como regresor de todas maneras.
b) Usar los puntos medios o marcas de clase de cada intervalo de ingreso y
dividirlo entre 1000 para que los estimadores sean pequenos.
c) Crear un conjunto de 4 variables dummy, donde cada una tome el valor
de 1 para una categora y 0 para las otras, utilizar el conjunto completo de
variables dummy como regresores en vez de ING.
d) Ninguna de las anteriores.
14. El metodo de variables instrumentales se utiliza cuando:
a) cov(xi , yi ) 6= 0
b) cov(xi , ui ) 6= 0.
c) cov(yi , ui ) 6= 0.
d) cov(xi , ui ) = 0
15. Se dice que un regresor es endogeno cuando:
a) cov(xi , yi ) 6= 0
b) cov(xi , ui ) 6= 0.
c) cov(yi , ui ) 6= 0.
d) cov(xi , ui ) = 0
16. Las consecuencias de estimar un modelo por MCO cuando se tienen regresores
endogenos son:
a) Los estimadores no son consistentes y son sesgados.
b) Los estimadores son consistentes y son sesgados.
c) Los estimadores son insesgados y consistentes.
d) Los estimadores son eficientes.
17. Una variable instrumental o instrumento:
a) Debe correlacionarse con la variable dependiente.
b) No debe correlacionarse con la variable dependiente.
c) Debe correlacionarse con el regresor endogeno y no debe correlacionarse
con el error.
d) Debe correlacionarse con el error pero no debe correlacionarse con el regresor endogeno.
18. En la primera etapa de los mnimos cuadrados en dos etapas:
11

a) Se regresiona el regresor endogeno sobre todos los instrumentos.

b) Se regresiona el regresor exogeno sobre todos los instrumentos.
c) Se regresiona el regresor endogeno contra los regresores (endogenos y
exogenos)
d) Se regresiona el regresor endogeno contra todos los regresores exogenos y
todos los instrumentos.
e) Ninguna de las anteriores.
19. La varianza de los estimadores de variable instrumental es en general:
a) Mayor que la varianza de los estimadores MCO.
b) Menor que la varianza de los estimadores MCO.
c) Igual que la varianza de los estimadores MCO.
d) Ninguna de las anteriores.
20. Para probar la endogeneidad de un regresor se utiliza:
a) La prueba de Hausman.
b) La prueba de Sargan.
c) La prueba de Basman.
d) La prueba de Breusch-Pagan.
21. El R2 del metodo de variables instrumentales:
a) Puede ser negativo.
b) Esta entre 0 y 1.
c) Es mayor que 1.
d) Ninguna de las anteriores.
22. Se dice que un estimador i es insesgado si:
a) E(i ) = i
b) plim(i ) = i
c) Var(i ) < Var(i ) si i es un estimador lineal e insesgado al igual que i .
23. Cuando usted esta trabajando con series de tiempo agregadas (inflacion, desempleo, producto bruto interno, exportaciones, etc.) uno de los principales problemas o violacion de los supuestos que podra sospechar que esta presente en su
modelo es:
a) La heteroscedasticidad.
b) La colinealidad.
c) La correlacion serial.
d) Regresores endogenos.
e) Ninguna de las anteriores.
24. El estadstico de Durbin-Watson:
12

a) Es aproximadamente igual a 2(1 ) donde rho es el coeficiente en la

regresion ut = ut1 + t donde t es el ruido blanco. y esta entre 0 y 4.
b) No supone regresores exogenos.
c) Se deriva del supuesto de que la hipotesis nula de correlacion serial de
orden 1 es verdadera.
d) Todas las anteriores.
25. Si su modelo tiene errores serialmente correlacionados de orden 1 (tambien denominados errores AR(1) o autoregresivos) y usted ignora este hecho:
a) Los estimadores MCO tendran un sesgo positivo, haciendo que el efecto
de las variables explicativas individualmente consideradas sobre Y parezca
mas alto de lo que realmente son.
b) Los errores estandar de MCO sean incorrectos, porque se basan en el supuesto
de no correlacion serial de los regresores.
c) Los errores estandar siempre tendran un sesgo negativo, puesto que los
terminos de las covarianzas entre los errores en la formula de la varianza
correcta seran omitidos en todos los calculos.
d) STATA le advertira de que hay un problema en su modelo, de tal forma que
usted puede seguir el procedimiento sugerido de correccion.
e) Ninguna de las anteriores.
26. El operador L. de STATA puede entenderse como:
a) permite que la columna de datos X se desplace un espacio (por defecto) o k
posiciones hacia abajo, as que la observacion del perodo t asociado con el
valor de X en el perodo anterior (por defecto) o de hace k perodos atras.
b) Es analoga al operador log(X), excepto que L. utiliza la base 10 y no la
base e como lo hace log(x).
c) Es igual que el operador D..
d) Ninguna de las anteriores.
27. Siempre es posible probar la presencia de heteroscedasticidad en un modelo:
a) Verdadero.
b) Falso.
c) Incierto.
28. Para calcular los residuos u de un modelo en STATA se utiliza el comando:
a) predict uhat,residuals
b) predict u,residuals

c) predict uhat,xb
d) predict uhat,stdf
e) Ninguna de las anteriores.
29. La heteroscedasticidad por lo general se presenta en:

13

a) Datos de series de tiempo.

b) Datos de corte transversal.
c) Combinaciones de cortes transversal.
d) Datos de panel.
30. La decision sobre que variable establecer como ponderador o peso para utilizar
el metodo de los mnimos cuadrados ponderados:
a) Es facil de adoptar.
b) STATA automaticamente sugiere esta variable, despues de una regresion
MCO.
c) Hay que encontrarla por prueba y error.
d) Ninguna de las anteriores.
31. Si usted concluye que Var(u/X) = i2 z2i , su variable de ponderacion para los
mnimos cuadrados ponderados debera ser:
a) Zi2
b) Zi
1
c) 2
Zi
d) Ninguna de las anteriores.
32. Los mnimos cuadrados ponderados:
a) Son un caso especial de los MCO.
b) Asignan menos peso a los valores pequenos de Y y mas peso a los valores
grandes de Y .
c) Asina menos peso a las observaciones donde los datos tienen mayor dispersion y mayor peso a las observaciones donde los datos tienen menos
dispersion.
d) Requiere variables adicionales en el comando regress.
e) Ninguna de las anteriores.
33. Si un modelo tiene heteroscedasticidad, pero ignora el problema y utiliza los
estimadores MCO, usted:
a) Obtiene estimadores sesgados.
b) Obtiene errores estandar de los estimadores que podran ser demasiado
grandes o demasiado pequenos.
c) Obtiene estadsticos t que sistematicamente rechazan la hipotesis nula de
no significancia de los parametros.
d) Obtiene estadstico t que parecen sugerir que los parametros no son diferentes de cero cuando en realidad en la poblacion son cero.
e) Ninguna de las anteriores.
34. La heteroscedasticidad es un problema porque:

14

a) Los estimadores MCO asumen que los errores son homoscedasticos y se

calculo los errores estandar en base a ello.
b) Los estimadores MCO asumen que los errores son homoscedasticos y se
calcula los estimadores en base a ello.
c) Sesga los estimadores.
d) Ninguna de las anteriores.
35. Si estima un modelo de regresion con Y = 0 + 1 X + 2 X 2 + ui , encontramos:
a) Un valor mnimo de Y en todos los valores de X en X =

1
si 1 y 2
22

son mayores que 0.

b) Un valor mnimo de Y en todos los valores de X en X =

1
si 1 y 2
22

son menores que 0.

c) El mnimo de Y se encuentra en el mnimo y maximo de valores de la
muestra.
d) El mnimo de Y aproximado en X = 0 si 2 es negativo y 1 tiende a 0 y no
es estadsticamente significativo.
e) Ninguna de las anteriores.
36. Deberamos introducir un termino cuadratico (o terminos cuadraticos) en alguna
variable X en un modelo de regresion:
a) Si la teora o la intuicion nos indica que el efecto sobre Y de un cambio en
X no siempre es el mismo para todos los valores de X.
b) Puesto que el termino cuadratico es un buen reemplazo para el termino
lineal.
c) Puesto que el R2 solo es valido cuando todas las variables en el modelo
tienen termino cuadratico.
d) Todo lo anterior.
37. Los econometristas prefieren la especificacion log log porque:
a) Siempre proporciona un mejor ajuste de los datos a la recta.
b) Es mas facil de estimar.
c) Las pendientes pueden interpretarse como elasticidades.
d) Usted no puede tomar el logaritmo de un numero negativo.
e) Ninguna de las anteriores.
38. Si deseamos probar la hipotesis nula de que 3 = 4 = 5 en un modelo con 30
observaciones y 5 variables explicativas aparte del intercepto, necesitamos comparar el F calculado para esta hipotesis con el valor crtico de una distribucion F
con:
a) 3 grados de libertad en el numerador y 25 grados de libertad en el denominador.
b) 3 grados de libertad en el numerador y 24 grados de libertad en el denominador.
15

c) 2 grados de libertad en el numerador y 24 grados de libertad en el denominador.

d) 2 grados de libertad en el numerador y 25 grados de libertad en el denominador.
e) Ninguna de las anteriores.
39. El estadstico F que se obtiene en toda regresion MCO realizada con STATA
prueba:
a) La hipotesis nula de que todos los parametros de la regresion son simultaneamente iguales a 0.
b) La hipotesis nula de que todos los parametros pendientes son iguales a 0.
c) La hipotesis nula de que todos los parametros pendientes son iguales.
d) La hipotesis nula de que el modelo restringido es el verdadero.
40. Para determinar la tasa de crecimiento de una variable Y , si Yt es el valor de la
variable en el perodo, para estimar la tasa de crecimiento de la variable a traves
del tiempo debemos correr la siguiente regresion:
a) log(Yt ) sobre t y el intercepto.
b) log(Y0 ) sobre log(Yt ) y un intercepto.
c) log(Yt ) sobre log(Y0 ),t y un intercepto.
d) Ninguna de las anteriores.
41. Una forma funcional tipo Cobb-Douglas es Y = AK L donde K es el capital,L
es el trabajo, A es un parametro tecnologico e Y es la cantidad de produccion, es
muy frecuente en la teora economico; con los parametros de los exponentes, este
modelo no es lineal en las variables Como se estima los parametros A, , ?
a) Por MCO, no es posible, se deben utilizar metodos de estimacion no-lineales.
b) Se puede utilizar MCO si primero sumamos un error y luego tomamos
logaritmos en ambos lados.
c) El modelo no puede estimarse, por lo que la especificacion Cobb-Douglas
no es u til en terminos empricos.
d) Ninguna de las anteriores.
42. La presencia de correlacion en un modelo hace que:
a) Los estimadores MCO sean sesgados.
b) Los estimadores MCO estandarizados o estadsticos t no se distribuyan como un distribucion t.
c) Los estimadores MCO no sean consistentes.
d) Ninguna de las anteriores.
43. NO es una prueba para detectar correlacion serial:
a) Breusch-Godfrey
b) Durbin-Watson.

16

c) Dickey-Fuller.
d) Todas las anteriores.
44. Al tomar primera diferencia en un modelo que tiene correlacion serial:
a) Es muy probable que se elimine la correlacion serial.
b) No se elimina la correlacion serial.
c) El modelo se vuelve heteroscedastico.
d) Los residuos se vuelven heteroscedasticos.
e) Ninguna de las anteriores.
45. La estimacion MCO con errores estandar robustos ante correlacion serial:
a) Corrigen la correlacion serial.
b) Hace que los estimadores se vuelvan MELI.
c) Permite la utilizacion del estadstico t para realizar la inferencia estadstica.
d) Ninguna de las anteriores.
46. Los modelos ARCH se utilizan para:
a) Predecir la varianza (riesgo)
b) Predecir el error.
c) Corregir la correlacion serial.
d) Corregir la heteroscedasticidad.
e) Ninguna de las anteriores.
47. La correccion de la correlacion serial utilizando el metodo de Cochrane-Orcutt
se utiliza cuando:
a) Los regresores son estrictamente exogenos.
b) Los regresores son endogenos.
c) Los regresores son exogenos debilmente.
d) Existe una variable dependiente rezagada como regresor.
e) Ninguna de las anteriores
48. En una regresion, si el estadstico Durbin-Watson es igual a 0.8569 y n = 30 y el
numero de pendientes es 4, entonces:
a) Existe correlacion serial de 1o orden positiva.
b) Existe correlacion serial de 1o orden negativa.
c) La prueba no es concluyente, existe indecision.
d) No existe correlacion de 1o grado.
e) Ninguna de las anteriores.
49. A partir de una regresion efectuada se obtiene: .ovtest Ramsey RESET test using
powers of the fitted values of price Ho: model has no omitted variables F(3,81)=
2.83 probF= 0.0433
Usted concluye que:
17

a) El modelo tiene correlacion.

b) El modelo tiene heteroscedasticidad.
c) El modelo esta correctamente especificado.
d) El modelo no tiene variable omitidas
e) El modelo no esta correctamente especificado.
50. A partir de una regresion se obtiene lo siguiente: .whitetst Whites general test
statistic: 2.738646 Chi-sq(9) P-value=0.9738
Usted concluye que:
a) El modelo tiene correlacion
b) El modelo tiene heteroscedasticidad.
c) El modelo esta correctamente especificado.
d) El modelo es homoscedastico.
e) Ninguna de las anteriores.

18