¡Descarga Econometría 12 2016 y más Exámenes en PDF de Econometría solo en Docsity!
Complutense University Dep. of Quantitative Economics Juan-Angel Jimenez-Martin [email protected]
15 de diciembre, 2016
8:30-10:00 (GRUPO A E CONOMETRÍA EMPRESARIAL)
Apellidos: Nombre: DNI:
Teléfono: Email:
Antes de empezar a resolver el examen, rellene TODA la información que se
solicita en los recuadros anteriores. Recuerda, una correcta vale +2 y una
incorrecta -1.
Pregunta 1 A B C En blanco
Pregunta 2 A B C En blanco
Pregunta 3 A B C En blanco
Pregunta 4 A B C En blanco
Pregunta 5 A B C En blanco
Pregunta 6 A B C En blanco
Pregunta 7 A B C En blanco
Pregunta 8 A B C En blanco
Pregunta 9 A B C En blanco
Pregunta 10 A B C En blanco
Pregunta 11 A B C En blanco
Pregunta 12 A B C En blanco
Pregunta 13 A B C En blanco
Pregunta 14 A B C En blanco
Pregunta 15 A B C En blanco
Pregunta 16 A B C En blanco
Pregunta 17 A B C En blanco
Pregunta 18 A B C En blanco
Pregunta 19 A B C En blanco
Pregunta 20 A B C En blanco
Correctas Incorrectas En blanco Puntuación
Las preguntas 1 a 3 hacen referencia a este enunciado: Utilizando información de 141 alumnos universitarios se intenta explicar la Nota Media en la Universidad ( NMU ) utilizando como variables explicativas la Nota Media en el Instituto ( NMI ), el Número de horas por semana que NO ha asistido a clase ( Faltas ), la variable ficticia PC que toma valor 1 si el alumno dispone de ordenador en casa y cero si no lo tiene y Pareja que toma valor 1 si el estudiante tiene pareja y cero si no la tiene. La nota mínima para las variables NMU y MMI es cero y la máxima es 4. Para ello, se estima por MCO el modelo de regresión dado en la Tabla 1.
Tabla 1 Variable dependiente: NMU Método: Mínimos cuadrados ordinarios Tamaño muestral: 141 Coeficiente Estimado
Desviación típica
Estadístico t
p-valor
Constante 1.468755 0.300855 4.881936 0. NMI 0.460405 0.086086 ------------- 0. Faltas ------------ 0.025822 -2.517694 0. PC 0.130493 0.057070 2.286553 0. Pareja 0.083690 ------------- 1.528987 0. R-cuadrado 0. R-cuadrado corregido 0. Desviación típica residual ------------- Suma de cuadrados de residuos 14.
Media v. depend. 3. Desv. Típica v. depend. 0. Estadístico F ------------- p-valor 0.
Pregunta 1: De acuerdo con los resultados presentados en la Tabla 1 (use todos los decimales disponibles): A) La estimación MCO del coeficiente asociado a la variable explicativa de Faltas es igual a 0.065012. B) La desviación típica estimada del coeficiente asociado a la variable explicativa de si tiene o no Pareja es 0.054736. C) El estadístico t de significación individual del parámetro asociado a la variable NMI (Nota Media en el Instituto) es -5.
Pregunta 2: De acuerdo con los resultados presentados en la Tabla 1 , la estimación MCO de la desviación típica residual es (use todos los decimales disponibles): A) 0. B) 0. C) 0.
Pregunta 3: De acuerdo con los resultados presentados en la Tabla 1 :
A) Todas las variables explicativas son individualmente significativas al 5%. B) Todas las variables explicativas, excepto la constante, son conjuntamente significativas al 5%. C) La única variable explicativa individualmente significativa al 1% es la constante.
Las preguntas 4 a 6 hacen referencia al siguiente enunciado: Utilizando información de 935 asalariados, se intenta explicar el logaritmo del salario utilizando dos modelos. En el Modelo 1 se utilizan como variables explicativas: IQ (medida del coeficiente intelectual), Educ (años de educación) y Exper (años de experiencia). En el Modelo 2, además de estas variables, se incluye el número de hermanos del asalariado ( Sibs ).
B) La hipótesis nula se rechaza para un nivel de significación del 5% C) El intervalo de confianza para el coeficiente al 95% incluirá el cero
Pregunta 7 : La estimación de un modelo de regresión simple usando una muestra de 10 individuos
proporciona el resultado ˆ y i 2 0.5 xi. Se sabe que tanto la media como la desviación
típica de x e y son distintas. Entonces: A) La recta de ajuste pasa por el punto ( , y^^ x^ ), siendo y^ y x las medias muestrales de las
variables yi y xi , respectivamente.
B) El coeficiente de correlación lineal simple entre las variables yi y xi es igual a 0.5.
C) Si el valor de xi 10 , entonces yi 7.
Las preguntas 8 a 10 hacen referencia al siguiente enunciado Se ha estimado el siguiente modelo que relaciona la proporción del presupuesto familiar que se gasta en alcohol, WALC, con el gasto total de la familia, TOTEXP, la edad del cabeza de familia, AGE, y el número de hijos que tiene la familia NK.
WALCi 1 2 LOG TOTEXP i 3 AGEi 4 NKi ui (1)
Donde LOG es el Logaritmo neperiano. El resultado de la estimación aparece en la Tabla A1 :
Dependent Variable: WALC Method: Least Squares Included observations: 1519 Coefficient Std. Error t-Statistic Prob. C 0.009052 0.019050 0. LOG(TOTEXP) 0.027641 6.608620 0. AGE 0.000208 -6.962389 0. NK -0.013282 0.003259 -4.074993 0. R-squared Mean dependent var 0. Adjusted R-squared 0.053047 S.D. dependent var 0. S.E. of regression Sum squared resid 5. F-statistic 29.34546 Prob(F-statistic) 0.
Pregunta 8.- De acuerdo con los resultados de la Tabla A1, ¿cuál de las siguientes afirmaciones es VERDADERA? A) Cabeza de familias con mayor edad, implicarán una mayor proporción del presupuesto familiar dedicado a alcohol. (cuanto mayor es AGE, mayor es WACL) B) Cabeza de familias más jóvenes, implicarán una mayor proporción del presupuesto familiar dedicado a alcohol. (cuanto menor es AGE, mayor es WACL). C) No tenemos información para conocer el efecto parcial de AGE sobre WALC.
Pregunta 9.- De acuerdo con los resultados de la Tabla A1, ¿cuál de las siguientes afirmaciones es VERDADERA?
A) ˆ^2 5.7529. B) ˆ 2 0.0038. C) ˆ 2 0.0191.
Pregunta 10.- Considere la información en la Tabla A1. El F-statistic = 29.34546 se puede usar para contrastar la hipótesis nula:
A) H 0: 2 3 4 0.
B) H 0: 1 2 3 4 0.
C) Ninguna de las anteriores.
Pregunta 11. Considere el modelo yi^ ^ ^1 ^ ^2 xi^ ^ ^3 zi^ ^ ui^ ,^ i ^ 1, 2, ..., 30 en el que se
cumplen todas las hipótesis clásicas del modelo lineal general. Si se quiere contrastar la
H 0 : 2 5 frente a H 1 : 2 5 , entonces podemos usar (donde dt denota desviación
típica):
A) Un estadístico t cuyo valor se calcularía como ^
2 2
t dt ˆ ˆ
B) Un estadístico F cuyo valor se calcularía como ^
2 2
F Var ˆ ˆ
C) Un estadístico t cuyo valor se calcularía como ^
2 2
t dt ˆ ˆ
Pregunta 12. La ventaja fundamental de usar un modelo de regresión lineal múltiple (RLM) del
tipo yi^ ^ ^1 ^ ^2 x^2^^ i^ ^ ^3 x^3^^ i^ ^ ui , frente a un modelo de regresión lineal simple (RLS) del tipo
yi 1 2 x 2 (^) i ui ,consiste en que:
A) El R- cuadrado corregido asociado con el modelo RLM siempre es mayor que el asociado con el modelo RLS. B) El R -cuadrado convencional asociado con la RLM está acotado entre cero y uno, pero esto no ocurre en la RLS.
C) Ninguna de las anteriores.
Pregunta 13. – Utilizando la información de 170 alumnos que he tenido en la asignatura de Econometría durante el último año, curso 2013-2104 de tres grados, Economía, ADE y ADE+Derecho, he estimado un modelo lineal con los siguientes resultados:
Pregunta 18. Dos investigadores tienen modelos idénticos, usan los mismos datos, y obtienen las mismas estimaciones para los coeficientes y las desviaciones típicas de los parámetros. Los dos contrastan la misma hipótesis utilizando una alternativa de dos colas, pero el investigador 1, utiliza un nivel de significación del 5%, mientras que el investigador 2 utiliza un 10% de nivel de significación. Cual de las siguientes afirmaciones es correcta: A) El p-valor para el estadístico t (t*) será igual al 5% para el investigador 1 y al 10% para el investigador 2. B) El investigador 2 tiene una mayor probabilidad de cometer el error de tipo I (Probabilidad de rechazar la nula, cuando la nula es cierta). C) Los dos investigadores alcanzarán siempre la misma conclusión. Pregunta 19. Suponga que estimamos una regresión de y en una constante y una variable x, y
después obtenemos los residuos de esta regresión, u . Si ahora estimamos otra regresión de
u^ en una constante y x, la pendiente estimada debería ser:
A) Cero. B) Uno. C) No tenemos información para responder.
Pregunta 20. Suponga que y AK L^ ^ . Entonces manteniendo constante el resto de variables,…
A) es la variación en y por la variación de una unidad en K.
B) es la variación porcentual en y por la variación de un uno por ciento en K.
C) es la variación porcentual en K por la variación de un uno por ciento en y.
A) Complutense University Dep. of Quantitative Economics Juan-Angel Jimenez-Martin [email protected] 15 de diciembre, 2016 12:00-14:00 (GRUPO B E CONOMETRÍA E MPRESARIAL)
Apellidos: Nombre: DNI:
Teléfono: Email:
Antes de empezar a resolver el examen, rellene TODA la información que se solicita en los recuadros anteriores. Recuerda, una correcta vale +2 y una incorrecta -1.
Pregunta 1 A B C En blanco Pregunta 2 A B C En blanco Pregunta 3 A B C En blanco Pregunta 4 A B C En blanco Pregunta 5 A B C En blanco Pregunta 6 A B C En blanco Pregunta 7 A B C En blanco Pregunta 8 A B C En blanco Pregunta 9 A B C En blanco Pregunta 10 A B C En blanco Pregunta 11 A B C En blanco Pregunta 12 A B C En blanco Pregunta 13 A B C En blanco Pregunta 14 A B C En blanco Pregunta 15 A B C En blanco Pregunta 16 A B C En blanco Pregunta 17 A B C En blanco Pregunta 18 A B C En blanco Pregunta 19 A B C En blanco Pregunta 20 A B C En blanco
Correctas Incorrectas En blanco Puntuación
