¡Descarga Econometría 01 2013 y más Exámenes en PDF de Econometría solo en Docsity!
Examen de Econometría Empresarial I (Examen A)
ADE-Derecho
Primer apellido _______________________________
Segundo apellido _______________________________
Nombre _____________________________________
El examen consta de veinte cuestiones. Cada respuesta correcta suma tres puntos, cada respuesta incorrecta resta un punto y las no contestadas no puntúan. El examen se valorará en sesenta puntos sobre un total de cien puntos (60/100). Se tiene que sacar treinta puntos sobre cien (30/100) para poder aprobar la asignatura.
- Los coeficientes de regresión de un modelo econométrico con variables cuantitativas, en el caso del modelo: I) lineal II) doblemente logaritmo. Cuantifican respectivamente:
a.- Propensión marginal (I) y elasticidad (II)
b.- Propensión marginal (I) y Propensión marginal (II)
c.- Elasticidad (I) y Elasticidad (II)
d.- Elasticidad (I) y Propensión marginal (II)
- Los datos utilizados en econometría para estimar un modelo son mayoritariamente: temporales o bien de corte transversal. La clasificación de las muestras de datos siguiente: I) los gastos de publicidad de una empresa a lo largo de los últimos quince meses. II) Los gastos en alimentos de cien familias de Valencia en el año 2007. Son respectivamente:
a.- Datos de corte transversal (I) y datos temporales (II)
b.- Datos de corte transversal (I) y datos de corte transversal (II)
c.- Datos temporales (I) y datos temporales (II)
d.- Datos temporales (I) y datos de corte transversal (II)
- En el modelo de regresión lineal simple estimado por MCO (LS), con una muestra de tamaño siete, se conoce:
Yˆ t^ =− 2 , 400 + 0 , 700 X t
con la información adicional siguiente: X = 6 y Y = 2. La elasticidad de la variableY t
respecto a la variable^ X t^ en el punto medio es:
a.- No se puede calcular con la información disponible.
b.- =^2 ,^1
x
ξ y
c.- =^0 ,^9
x
ξ y
d.- βˆ 2 = 0 , 45
- Los estimadores MCO del modelo lineal simple parten de la idea de minimizar la expresión:
a.- (^ i i )
n
i
u i Y 1 2 X 2
1
ˆ^2 = − βˆ − βˆ
∑ ∑
b.- (^ )^
2 1 2 2 1
ˆ ˆ^ ˆ
i i
n
i
∑^ u i =^ ∑^ Y −^ β^ −^ β^ X
c.- (^ )^ 2 1 2 2 1
ˆ^2 ˆ ˆ
i i
n
i
∑^ u^ i =^ ∑^ Y −^ β^ −β^ X
d.- (^ )^ 2 1 2 2 1
ˆ^2
i i
n
i
∑^ u i^ =^ ∑^ Y −^ β^ −β^ X
- En el modelo de regresión lineal simple estimado por MCO (LS) bajo las hipótesis básicas Yt = β ˆ 1 + β ˆ 2 X 2 t + uˆ t
¿ Cual de las siguientes expresiones no se cumple?:
a.- ∑
∑
2 2
Y Y
Y Y
R
t
t
b.- ∑
∑
2 2
Y Y
u
R
t
t
c.- ∑
∑
2
2
Y Y
Y Y Y Y
R
t
t t
d.- ∑
∑
2 2
Y Y
u
R
t
t
- En el modelo de regresión lineal simple, en el que se cumplen las hipótesis básicas y que se estima por MCO (LS): Yt = β ˆ 1 +β ˆ 2 X 2 t + uˆ t
b.- ˆ 0
1
∑^ =
n
i
u i y (^) ∑
n
i
Xi u i
1
2 ˆ^0
c.- 0
1
∑^ =
n
i
u i y (^) ∑
n
i
Xiu i
1
d.- 0
1
∑^ =
n
i
u i (^) y (^) ∑
n
i
Xi u i
1
2 ˆ^0
11. En el Modelo lineal^ Y i^ =^ β 1 +^ β 2 X^2 i+^ β 3 X 3 i+^ u^ idonde^ Y i^ son las ventas, mientras
que X 2 ison los gastos de publicidad y X 3 i son los gastos en comisiones. La estimación del
modelo se presenta en la se presenta en la Tabla 1. La variable X 2 i para un nivel significación
del α =0,05, es:
a.- Significativa ya que: -1,56 (^) < 5.130577 (^) < 1,
b.- Significativa ya que: -1,98 < 5.130577 < 1, c.- Significativa ya que: -1,98 < 5.130577 1. b.- No existe autocorrelación de primer orden ya que 1.774 <1. c.- No se sabe si existe autocorrelación de primer orden ya que 1.706 < 1.731060 < 1. d.- No se sabe si existe autocorrelación de primer orden ya que 1.693 < 1.731060 < 1.
14. En el Modelo lineal Y i^ =^ β 1 +^ β 2 X^2 i+^ β 3 X 3 i+ u^ idondeY i^ son las ventas, mientras
que X 2 ison los gastos de publicidad y X 3 i son los gastos en comisiones. Se contrasta la
existencia de heterocedasticidad mediante el test de White, para un nivel significación del α =0.05, (ver Tabla 2) y la conclusión a que se llega es:
a.- No existe heterocedasticidad ya que White=15.24433 < 9,49= (^) χ 42
b.- Existe heterocedasticidad ya que White=15.24433 > 9,49= χ 42
c.- Existe heterocedasticidad ya que White=15.24433 > 5 ,99= χ 22
d.- No existe heterocedasticidad ya que White=15.24433 < 9,49= χ 22
15. En el modelo lineal simple Y i^ =^ β 1 +^ β 2 X 2 i+u^ i; cuando se conoce el esquema
autoregresivo^ u^ i= ρ 1 u i^ − 1 +^ ε i^ , la forma de corregir la autocorrelación de primer orden
es transformar el modelo y estimar posteriormente el modelo transformado por MCO. La transformación adecuada es:
a.- (^ Y i^ - ρ 1 Y i− 1 ) = (1- ρ 1 ) β 1 + β 2 (X 2 i- ρ 1 X^2 i− 1 )+^ u i
b.- (^ Y i^ - ρ 1 Y i− 1 ) = (1- ρ 1 ) β 1 + β 2 (X 2 i- ρ 1 X^2 i− 1 )+^ ε i
c.- ( Y i - ρ 1 Y i+ 1 ) = (1- ρ 1 ) β 1 + β 2 (X 2 i- ρ 1 X 2 i+ 1 )+ ε i
d.- ( Y i - ρ 1 Y i+ 1 ) = (1- ρ 1 ) β 1 + β 2 (X 2 i - ρ 1 X 2 i+ 1 )+ u i
16. En el modelo lineal simple Y i =^ β 1 +^ β 2 X 2 i+ u i; bajo el supuesto de existencia de
heterocedasticidad los estimadores que se obtienen por MCO son: a.- Lineales, sesgados e ineficientes b.- Lineales, consistentes y eficientes c.- Lineales, insesgados e ineficientes d.- Lineales, sesgados e ineficientes
- En el modelo dinámico estimado en forma reducida :
Y i = β 1 + β 2 X 2 i + β 3 X 3 i+ β 4 Y i− 1 + u i; cuyas estimaciones se presentan en la
Tabla 8 el multiplicador de impacto y el multiplicador total de la variableX 2 i son
respectivamente:
a.- Multiplicador de impacto: 2.953 y multiplicador total: 3. b.- Multiplicador de impacto: 2.953 y multiplicador total: 7. c.- Multiplicador de impacto: 39.651 y multiplicador total: 7. d.- Multiplicador de impacto: 39.651 y multiplicador total: 3.
- La predicción puntual del modelo lineal estimado:
Y i = β 1 + β 2 X 2 i+ β 3 X 3 i+u i; para los valoresX 2 i= 20 y X 3 i = 10 ; ver Tabla
1 y Tabla 6; es:
a.- 264. b.- 190. c.- 564. d.- No se puede calcular
Dependent Variable: Y
Dependent Variable: Y
Dependent Variable: Y
Included observations: 150 after adjusting endpoints
TABLA 10
S eries: R esid u als S am p le 1 8 1 1 7 O b servation s 1 0 0
M ean 7 .4 2 E 1 6 M ed ian 0 .2 5 2 1 1 4 M axim u m 8 .6 1 8 1 1 1 M in im u m 3 .1 5 5 2 3 7 S td. D ev. 2 .2 8 0 8 2 2 S kewn ess 1 .5 4 5 5 8 3 K u rtosis 5 .8 1 3 1 7 0
Jarq u eB era 7 2 .7 8 8 4 6 P rob ab ility 0 .0 0 0 0 0 0
Tabla t-Student: nivel de significación^ α^ ; grados de libertad r.
Tabla F-Snedecor: nivel de significación^ α^ = 0,05 ;
m ** n 1 2 3 4 5 6 7 8
1
161, 45
199, 0
215, 1
224, 8
230, 6
233, 9
236, 7
238, 8
2
18, 1 19,00 19,16 19,25 19,30 19,33 19,35 19,
3
10, 3 9,55 9,28 9,12 9,01 8,94 8,89 8, (^4) 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6, (^5) 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4, (^6) 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4, (^7) 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3, (^8) 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3, (^9) 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3, (^10) 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3, (^11) 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2, (^12) 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2, (^15) 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2, (^20) 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2, (^25) 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2, (^30) 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2, (^100) 3,94 3,09 2,70 2,46 2,31 2,19 2,10 2, (^1000) 3,85 3,00 2,61 2,38 2,22 2,11 2,02 1,
Tabla chi-cuadrado. Siendo r los grados de libertad y P el intervalo de confianza r\ P 0,01 0,05 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,75 0,8 0,9 0,95 0, (^1) 0,00 0,00 0,02 0,06 0,10 0,15 0,28 0,46 0,71 1,07 1,32 1,64 2,71 3,84 6, 2 0,02 0,10 0,21 0,45 0,58 0,71 1,02 1,39 1,83 2,41 2,77 3,22 4,61 5,99 9, (^3) 0,12 0,35 0,58 1,01 1,21 1,42 1,87 2,37 2,95 3,67 4,11 4,64 6,25 7,82 11, 4 0,30 0,71 1,06 1,65 1,92 2,20 2,75 3,36 4,05 4,88 5,39 5,99 7,78 9,49 13, (^5) 0,55 1,15 1,61 2,34 2,68 3,00 3,66 4,35 5,13 6,06 6,63 7,29 9,24 11,07 15, 6 0,87 1,64 2,20 3,07 3,46 3,83 4,57 5,35 6,21 7,23 7,84 8,56 10,64 12,59 16, (^7) 1,24 2,17 2,83 3,82 4,26 4,67 5,49 6,35 7,28 8,38 9,04 9,80 12,02 14,07 18,
El valor de Durbin-Watson para nivel de significación α = 0. Nº observaciones
k '=1 k '=2 k' =
d L dU d L dU d L^ dU
r 0.75 0.80 0.85 0.90 0.95 0.975 0.99 0. 60 0.679 0.848 1.046 1.296 1.671 2.000 2.390 2. 120 0.677 0.845 1.041 1.289 1.658 1.980 2.358 2. ∞ 0.674^ 0.842^ 1.036^ 1.282^ 1.645^ 1.960^ 2.326^ 2.
