Pregunta 13.5 ptos.

Para el análisis econométrico NO hace falta apoyarse en:

La formulación matemática
Las opiniones políticas
La teoría económica
El manejo estadístico

Marcar esta pregunta

Pregunta 23.5 ptos.
El coeficiente R2 del modelo hace se conoce como:

Raíz del modelo

Coeficiente de correlación
Varianza del error
Medida de bondad de ajuste

Marcar esta pregunta

Pregunta 33.5 ptos.
En un modelo de regresión lineal se pretende explicar el precio de un apartamento
usado en función de los metros cuadrados, número de habitaciones y número de
garajes, la ecuación estimada es la siguiente:

La variable metros cuadrados es:

No es estadísticamente significativa, lo que sugiere que los metros cuadrados no explican el precio promedio
de un apartamento
Es estadísticamente significativa, lo que sugiere que los metros cuadrados explican el precio promedio de un
apartamento
Es estadísticamente significativa, lo que sugiere que los metros cuadrados explican el número de garajes del
apartamento
No es estadísticamente significativa, lo que sugiere que los metros cuadrados no explican el número de
garajes del apartamento

Marcar esta pregunta

Pregunta 43.5 ptos.
El elemento de estadística descriptiva que permite ver si una distribución está
agrupada a izquierda o derecha es:
 La desviación estandar
La curtosis
El promedio
El coeficiente de asimetría

Marcar esta pregunta

Pregunta 53.5 ptos.
El método de estimación de la regresión lineal se cononce también como

Mínimos cuadrados ordinarios

Ecuaciones estructurales
Estimación iterativa
Máxima verosimilitud

Marcar esta pregunta

Pregunta 63.5 ptos.
Si el p-valor de la prueba F conjunta en una regresión es mayor que el valor alpha
que se ha establecido para evaluar el modelo, significa que:
Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que ningún parámetro resulta
siginificativo
Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que al menos algún parámetro resulta
siginificativo
Se acepta la hipótesis nula en cuestión, por lo tanto se indica que al menos algún parámetro resulta
siginificativo
Se acepta la hipótesis nula en cuestión, por lo tanto se indica que ningún parámetro resulta
siginificativo

Marcar esta pregunta

Pregunta 73.5 ptos.
El valor del R Cuadrado siempre está entre cero y uno; en el caso que el ajuste sea perfecto y
todos los puntos de los datos se encuentren sobre una misma línea, los MCO proporcionaran un
ajuste perfecto lo que indica que si el R Cuadrado es 1, en caso que el R Cuadrado sea
0 sugiere un ajuste débil de la línea estimada por MCO

False
True

Marcar esta pregunta

Pregunta 83.5 ptos.
La SRC es la suma de la diferencia de los cuadrados entre:
 El "Y observado" y "Y promedio"
El "Y observado" y "Y estimado"
El "Y estimado" y "Y promedio"
El "X observado" y "Y estimado"

Marcar esta pregunta

Pregunta 93.5 ptos.
En el siguiente modelo con interacción el coeficiente B1 considera un efecto de
interacción entre metros cuadrados del inmueble y el número de habitaciones, en
caso de que este coeficiente sea negativo, B3<0 implicaría que en apartamentos
más grandes, una habitación adicional produce un efecto menor en el precio.

False
True

Marcar esta pregunta

Pregunta 103.5 ptos.
Si el R cuadrado del modelo no restringido es de 0.786 y la R cuadrado del
modelo restringido es de 0.567 el número de variables que se restringen son q
igual a 3, en total se tiene una muestra de 620 datos y el número de variables que
tiene el modelo son 5. En este caso el estadístico F para probar la exclusión de un
grupo de variables es igual a:

109
309
409
209

Marcar esta pregunta

Pregunta 113.5 ptos.
En un modelo y = β0+ β1x+u al elemento "u" se le conoce como

Intercepto
Variable explicada
Variable explicativa
Error

Marcar esta pregunta

Pregunta 123.5 ptos.
Un elemento que no es determinante a la hora de analizar la varianza de los
estimadores MCO es

La variación muestral total

La varianza del error
La varianza del Y estimado
La relaciones lineales entre variable independientes

Marcar esta pregunta

Pregunta 133.5 ptos.
Al modificar la variable dependiente, en forma logaritmica, se obtiene la siguiente
ecuación
Ln(salario)= 15.30+0.004248*Experiencia

Al respecto, el coeficiente que acompaña a la variable de experiencia tiene la

siguiente interpretación: por cada año adicional de experiencia, se espera que en
promedio el salario aumente en un 0.004248%.

True
False

Marcar esta pregunta

Pregunta 143.5 ptos.
El R2 se puede calcular así:

SRC/STC
1 - (STC/SEC)
STC/SEC
SEC/STC

Marcar esta pregunta

Pregunta 153.5 ptos.
El p valor mide la fortaleza o debilidad empírica contra la hipótesis nula, lo cual
significa que valores muy pequeños de p valor sugieren evidencia en contra de la
hipótesis nula mientras que un p valor muy grande indica evidencia muy débil en
contra de la hipótesis nula

False
True
Marcar esta pregunta
Pregunta 163.5 ptos.
Un censo es un buen ejemplo de datos tipo

Series de tiempo
Panel de datos
Datos de corte transversal
Datos combinados

Marcar esta pregunta

Pregunta 173.5 ptos.

False
True

Marcar esta pregunta

Pregunta 183.5 ptos.
En el siguiente modelo, donde los errores estándar aparecen entre paréntesis por
debajo de los coeficientes estimados, se tiene como objetivo validar
estadísticamente si el tiempo que dura una encomienda es estadísticamente
significativo

De acuerdo con lo anterior, el tiempo que dura dicha encomienda controlando la

ubicación del local donde se coloca el envio es:
la variable tiempo es estadísticamente significativa, es decir ejerce un efecto explicativo sobre el costo
de envio de una encomienda
la variable tiempo no es estadísticamente significativa, es decir no ejerce un efecto explicativo sobre
el costo de envio de una encomienda.
la variable tiempo no es estadísticamente significativa, es decir no ejerce un efecto explicativo sobre
el costo de envio de una encomienda
la variable tiempo es estadísticamente significativa, es decir ejerce un efecto explicativo sobre el costo
de envio de una encomienda

Marcar esta pregunta

Pregunta 193.5 ptos.
En un modelo de regresión lineal se pretende explicar el precio de un apartamento
usado en función de los metros cuadrados, número de habitaciones y número de
garajes, la ecuación estimada es la siguiente:

Se desea calcular el precio promedio de un apartamento con 64 mts cuadrados y

dos garajes, de acuerdo al modelo de regresión este precio promedio es:

243.871.067
201.339.014
199.678.987
223.339.014

Marcar esta pregunta

Pregunta 203.5 ptos.
A la hora de realizar validación de hipótesis resulta más conveniente trabajar con
el valor-p que con el valor crítico ya que:

El valor crítico puede tener valores positivos o negativos

No se depende de un único nivel de significancia para el análisis
El valor-p es más exacto, ya que es una probabilidad
El rango de un valor critico está entre 0 y 1