Docsity
Docsity
Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity

Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium

Orientación Universidad
Orientación Universidad
Vende en Docsity
Vende en Docsity
Docsity AI
Docsity AI
Inicia sesiónRegístrate

Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity

Busca documentos

Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity

Busca tu universidad

Encuentra los documentos específicos para los exámenes de tu universidad

Video Cursos

Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades

Quiz

Responde a preguntas de exámenes reales y pon a prueba tu preparación

Docsity AINEW

Resume tus documentos, hazles preguntas, conviértelos en quiz y mapas conceptuales

Ver preguntas

Despeja tus dudas leyendo las respuestas a las preguntas que realizaron otros estudiantes como tú

Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium

Compartir documentos
download point icon20 Puntos

Por cada documento subido

Responde a las preguntas
download point icon5 Puntos

por cada respuesta dada (máx. 1 al día)

Todos los modos para conseguir puntos gratis
Consigue puntos de inmediato

Elige un plan Premium con todos los puntos que necesitas.

Oportunidades de estudio

Elige tu próximo programa de estudio

Ponte en contacto inmediatamente con las mejores universidades del mundo. Busca entre miles de universidades en todo el mundo. Busca entre miles de universidades partner oficiales

Comunidad

Pregúntale a la comunidad

Pide ayuda a la comunidad y resuelve tus dudas de estudio

Ebooks gratuitos

¡Nuestros e-books salva-estudiantes!

Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity

ejercicios capitulo 2 de econometria, Ejercicios de Econometría

Universidad Nacional Autónoma de HondurasEconometría

sección de ejercicios de prueba

Tipo: Ejercicios

2020/2021

Subido el 09/06/2021

glenda-ramos
glenda-ramos 🇭🇳

5

(1)

1 documento

1 / 3

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
1. ¿A qué se refiere cuando hablamos de la linealidad en econometría?
R// Es aquel en que la esperanza condicional de Y es, una funci!n lineal de Xi.
E(Y | Xi )= β1 + β2XiXi
2Xi. ¿Cuál es la diferencia entre la funci!n de regresi!n poblacional y la funci!n de regresi!n
muestral? ¿Se trata de distintos nombres para la misma funci!n?
R// La diferencia es que en la funci!n de regresi!n poblacional Y, β1, β2Xi son parámetros y en la
muestral estos son estimadores, esto quiere decir que a partir de los resultados de una muestra se
puede inferir el mismo comportamiento para una poblaci!n; por consiguiente, si se trata de distintos
nombres para la misma funci!n.
3. ¿Qué papel desempeña el término de error estocástico ui en el análisis de regresi!n? ¿Cuál
es la diferencia entre el término de error estocástico y el residual ûi?
R// El término de perturbaci!n (ui), es un sustituto de todas las variables que se omiten en el
modelo, pero que, en conjunto, afectan a Y, pero esta puede tomar valores positivos o negativos.
La diferencia es que el error estocástico de perturbaci!n ui; es introducido en FRP y el error
residual de perturbaci!n (ui) ; es introducido en FRM
4. ¿Qué se quiere dar a entender con modelo de regresi!n lineal?
R// El modelo de regresi!n lineal: es un modelo matemático usado para aproximar la relaci!n de
dependencia entre una variable dependiente Y, las variables independientes Xi y un término
aleatorio ε.
Por ende, se da a entender que es una de regresi!n lineal en los parámetros, los β en otros términos,
los parámetros se deben elevar a la primera potencia; puede ser o no ser lineal en las variables
explicativas.
5. Determine si los siguientes modelos son lineales en los parámetros, en las variables o en
ambos. ¿Cuáles de estos modelos son de regresi!n lineal?
Modelo 1.Título descriptivo 2Xi.
Parámetros
3.
Variables
a. Yi =β1+β2Xi(1/Xi)
+ ui
1. Recíproco MLP
MNVL
MRNL
b. Yi=β1+β2Xi ln Xi +
ui
1. Semilogarítmico MLP 4. MVL MRL
c. LNYi =β1 +β2Xi Xi
+ui
1. Semi Logarítmico
inverso
MLP MVL MRL
d. lnYi = ln β1 + β2Xi 1. Logarítmico o 2Xi. MLP MVL MRL
pf3

Vista previa parcial del texto

¡Descarga ejercicios capitulo 2 de econometria y más Ejercicios en PDF de Econometría solo en Docsity!

  1. ¿A qué se refiere cuando hablamos de la linealidad en econometría? R// Es aquel en que la esperanza condicional de Y es, una función lineal de Xi. E(Y | Xi )= β1 + β2XiXi 2Xi. ¿Cuál es la diferencia entre la función de regresión poblacional y la función de regresión muestral? ¿Se trata de distintos nombres para la misma función? R// La diferencia es que en la función de regresión poblacional Y, β1, β2Xi son parámetros y en la muestral estos son estimadores, esto quiere decir que a partir de los resultados de una muestra se puede inferir el mismo comportamiento para una población; por consiguiente, si se trata de distintos nombres para la misma función.
  2. ¿Qué papel desempeña el término de error estocástico ui en el análisis de regresión? ¿Cuál es la diferencia entre el término de error estocástico y el residual ûi? R// El término de perturbación (ui), es un sustituto de todas las variables que se omiten en el modelo, pero que, en conjunto, afectan a Y, pero esta puede tomar valores positivos o negativos. La diferencia es que el error estocástico de perturbación ui; es introducido en FRP y el error residual de perturbación (ui) ; es introducido en FRM
  3. ¿Qué se quiere dar a entender con modelo de regresión lineal? R// El modelo de regresión lineal: es un modelo matemático usado para aproximar la relación de dependencia entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε. Por ende, se da a entender que es una de regresión lineal en los parámetros, los β en otros términos, los parámetros se deben elevar a la primera potencia; puede ser o no ser lineal en las variables explicativas.
  4. Determine si los siguientes modelos son lineales en los parámetros, en las variables o en ambos. ¿Cuáles de estos modelos son de regresión lineal? Modelo 1.Título descriptivo 2Xi. Parámetros

Variables a. Yi =β1+β2Xi(1/Xi)

  • ui

1. Recíproco  MLP 

MNVL

MRNL

b. Yi=β1+β2Xi ln Xi + ui

1. Semilogarítmico  MLP 4. MVL MRL

c. LNYi =β1 +β2Xi Xi +ui

  1. Semi Logarítmico inverso

 MLP  MVL MRL

d. lnYi = ln β1 + β2Xi 1. Logarítmico o 2Xi. MLP  MVL MRL

ln Xi + ui doble logarítmico e. lnYi = β1 − β2Xi( 1/ Xi ) + ui

  1. Logarítmico recíproco

2Xi. MLP 

MNVL

4 .MRN

L

Ln = logaritmo natural (es decir logaritmo base e); U, es el término de perturbación estocástica. a. Si es lineal en los parámetros no en las variables. No es un modelo de regresión lineal. b. Si es lineal en los parámetros y en las variables. Es un modelo de regresión lineal. c. Si es lineal en los parámetros y en las variables. Es un modelo de regresión lineal. d. Si es lineal en los parámetros y en las variables. Es un modelo de regresión lineal. e. Si es lineal en los parámetros y no en las variables. No es un modelo de regresión lineal.

  1. ¿Son modelos de regresión lineal los siguientes? ¿Por qué? Modelos 1Yi = e β1+β2 X i + U Es lineal en los parámetros y en las variables y por lo tanto si es un modelo de regresión lineal. Yi = 1/ (1 + e β1 +β Xi + U ) No es lineal en los parámetros ni en las variables, por lo tanto no es un modelo de regresión lineal. ln Yi = β1+ β2 ( 1/ Xi ) + Ui Es lineal en los parámetros pero no es las variables y por lo tanto no es un modelo de regresión lineal. Yi = β1 + ( 0.75 − β1 ) e − β ( Xi − 2) + Ui No es lineal en los parámetros por lo tanto no es un modelo de regresión lineal. Yi = β1 + β(⅔) Xi + Ui El parámetro B2Xi está elevado a una potencia mayor que cero y por lo tanto no es un modelo de regresión lineal.