EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos

Tamaño: px
Comenzar la demostración a partir de la página:

Download "EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos"

Transcripción

1 ECONOMETRÍA EJERCICIO T APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta A B C En Blanco Pregunta 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 A B C En Blanco Pregunta A B C En Blanco Pregunta 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 A B C En Blanco Correctas Incorrectas En Blanco Puntos INSTRUCCIONES El control consta de preguntas de tipo test y tiene una duración de hora Señale su respuesta a cada pregunta con bolígrafo, tachando con una CRUZ GRANDE una y sólo una casilla por pregunta en la plantilla anterior Si tacha más de una casilla en una pregunta, se considerará que su respuesta a dicha pregunta es incorrecta Si desea dejar alguna pregunta sin responder, tache la casilla "En Blanco" correspondiente Una respuesta correcta vale + puntos, una incorrecta punto, y una en blanco puntos LA CALIFICACIÓN DEL CONTROL ES IGUAL AL NÚMERO DE PUNTOS DIVIDIDO ENTRE 4 Página de 4

2 Pregunta Considere un modelo RLM clásico del tipo [M] Y = b + bx + b3x3 + U, y suponga que se omite por error la variable explicativa X 3 en [M], de manera que en lugar de [M] se especi ca un modelo RLS como [M] Y = b + bx + V Si ˆb representa el estimador MCO de b en el modelo [M], indique cuál de las a rmaciones siguientes es CIERTA: A) Si la covarianza muestral entre X y X 3 es negativa y b 3 <, entonces E[ b ˆ ] < b, por lo que ˆb es un estimador sesgado de b en [M] B) Si la covarianza muestral entre X y X 3 es negativa y b 3 >, entonces E[ b ˆ ] > b, por lo que ˆb es un estimador sesgado de b en [M] C) Si b 3 =, entonces E[ b ˆ ] = b, por lo que ˆb es un estimador insesgado de b en [M] Pregunta Considere un modelo RLS clásico del tipo [M] Y = b + bx + U, y suponga que se incluye por error en [M] la variable explicativa irrelevante X 3, de manera que en lugar de [M] se especi ca un modelo RLM como [M] Y = b + bx + b3x3 + U Indique cuál de las a rmaciones siguientes es CIERTA: A) Si la covarianza muestral entre X y X 3 es distinta de cero, entonces el estimador MCO de b en el modelo [M] es sesgado B) Si la covarianza muestral entre X y X 3 es cero, entonces el estimador MCO de b en [M] tiene la misma varianza que el estimador MCO de b en [M] C) El valor esperado del estimador MCO de b 3 en el modelo [M] no coincide con b 3 Pregunta 3 Si en el modelo Y = Xb + U se cumplen todas las hipótesis clásicas, pero existe un alto grado de asociación lineal entre algunas columnas de la matriz X, entonces el estimador MCO de b : A) Puede ser un estimador poco preciso de b B) Es e ciente a pesar de la multicolinealidad aproximada, pero puede no ser insesgado C) Es insesgado, pero la multicolinealidad aproximada implica que no es e ciente Las preguntas 4 a 6 se re eren a los tres grá cos de residuos siguientes: Pregunta 4 Indique cuál de los tres grá cos sugiere la presencia de heteroscedasticidad: A) El grá co B) El grá co C) El grá co 3 Pregunta 5 Indique cuál de los tres grá cos sugiere la presencia de algún error de especi cación en la forma funcional o en el conjunto de variables explicativas: A) El grá co B) El grá co C) El grá co 3 Pregunta 6 Indique cuál de los tres grá cos no presenta síntomas problemáticos: A) El grá co B) El grá co C) El grá co 3 Pregunta 7 Indique cuál de las a rmaciones siguientes es FALSA: Página de 4

3 A) Una observación atípica (outlier) suele ser al mismo tiempo una observación in uyente B) Una observación extrema (high-leverage point) no siempre es in uyente C) Cualquier observación in uyente siempre tiene asociado un residuo anómalo o atípico Pregunta 8 En relación con el contraste de White, cuyo estadístico se calcula como NR (donde N es el tamaño de la muestra utilizada), indique cuál de las a rmaciones siguientes es CIERTA: A) La hipótesis nula del contraste es la de que las perturbaciones son heteroscedásticas B) El estadístico del contraste sigue aproximadamente una distribución chi-cuadrado C) El número R es el coe ciente de determinación del modelo al que se re ere el contraste Pregunta 9 En un modelo del tipo Y = Xb + U, que satisface todas las hipótesis clásicas excepto por que las perturbaciones contenidas en el vector U son heteroscedásticas, el estimador de White es: A) Un estimador adecuado de la matriz de varianzas-covarianzas del estimador de Mínimos Cuadrados Ordinarios (MCO) de b B) Un estimador adecuado de la matriz de varianzas-covarianzas del estimador de Mínimos Cuadrados Ponderados (MCP) de b C) Un estimador del vector b preferible a los estimadores MCO y MCP de b Pregunta Considere un modelo RLS del tipo [] Yi = b + b Xi + Ui ( i =,, N), en el que se cumplen todas las hipótesis clásicas excepto por que [] Var[ Ui ] = s ( i =,, N), donde s es un número (constante) positivo, y v,, v N son cantidades conocidas y distintas en cada punto muestral Si ( y, x),, ( yn, x N ) son los datos disponibles sobre las dos variables del modelo [], entonces las estimaciones por Mínimos Cuadrados Ponderados (MCP) de b y b en [] pueden calcularse estimando por MCO: A) La regresión SIN término constante de y i sobre x i y x i, donde y i = yi/, x i = /, y x i = xi/ B) La regresión SIN término constante de y i sobre x i y x i, donde y i = yi/, x i = /, y x i = xi/ C) La regresión CON término constante de y i sobre x i, donde y i = yi/, y x i = xi/ Las preguntas a se re eren al enunciado siguiente: Usando datos del año sobre 5 trabajadores de cierta empresa, se ha estimado por MCO el modelo siguiente: Dependent Variable: LOG( SAL ) Method: Least Squares Sample: 5 Included observations: 5 Variable Coefficient Std Error t-statistic Prob C EDUC MUJER PC PD R-squared: Sum Squared Resid: 9468 En esta tabla, LOG es el logaritmo neperiano, SAL es el salario percibido en el año (euros), EDUC es los años de educación, MUJER es una variable binaria que vale uno para las mujeres y cero para los hombres, y PC y PD son dos variables binarias que clasi can a los 5 trabajadores según su puesto de trabajo: administrativo (PC =, PD = ), comercial (PC =, PD = ), o directivo (PC =, PD = ) Pregunta El efecto parcial estimado de cada año de educación adicional sobre el salario: A) Es aproximadamente igual a un 468% B) Es igual a unos 468 euros C) No puede calcularse con la información disponible Pregunta El modelo estimado explica aproximadamente: A) Un 78% de la variación observada en los datos de la serie SAL B) Un 89% de la variación observada en los datos de la serie SAL C) Un 78% de la variación observada en los datos de la serie LOG( SAL ) Página 3 de 4

4 Pregunta 3 La diferencia esperada entre los salarios de una mujer y de un hombre, con los mismos años de educación y el mismo puesto de trabajo: A) Se estima en unos 7 euros y es signi cativa al % B) Se estima aproximadamente en un 7% y es signi cativa al % C) Se estima en unos 7 euros y es signi cativa al 5% Pregunta 4 La diferencia esperada entre los salarios de un hombre en un puesto directivo y un hombre en un puesto administrativo, con los mismos años de educación: A) Se estima en unos 54 euros y es signi cativa al % B) Se estima en unos 54 euros y es signi cativa al 5% C) Se estima aproximadamente en un 54% y es signi cativa al % Pregunta 5 A igualdad de las demás características consideradas, la diferencia salarial esperada entre un puesto comercial y un puesto administrativo: A) Es signi cativa al % B) Es signi cativa al 5% C) Es signi cativa al % Pregunta 6 Si en lugar del modelo del enunciado, que puede escribirse como log SAL = b+ beduc + b3mujer + b4pc + b5pd + U, se hubiera estimado el modelo log SAL = d+ deduc + d3mujer + d4pa + d5pd + U, donde PA es una variable binaria asociada con los puestos administrativos, entonces en este modelo: A) dˆ = bˆ ˆ - b4, d ˆ = bˆ, d ˆ 3 = bˆ 4, dˆ 5 = bˆ 4 - bˆ 5 B) dˆ = bˆ ˆ + b4, d ˆ = bˆ, d ˆ 3 = bˆ 4, dˆ 5 = bˆ 5 - bˆ 4 C) d ˆ = bˆ, d ˆ = bˆ, d ˆ 3 = bˆ 4, d ˆ 5 =- bˆ 5 Pregunta 7 A igualdad de las demás características consideradas, la diferencia salarial esperada entre un puesto directivo y un puesto comercial: A) Se estima aproximadamente en un % B) Se estima aproximadamente en un 4% C) No puede estimarse con la información disponible Pregunta 8 Si la covarianza estimada entre los estimadores de b 4 y b 5 es -475, entonces el estadístico t para contrastar la hipótesis de que (a igualdad de las demás características consideradas) no existen diferencias salariales esperadas entre los puestos directivos y los puestos comerciales: A) Es aproximadamente igual a 58 B) Es aproximadamente igual a 635 C) No puede calcularse con la información disponible Pregunta 9 La hipótesis nula de que ni el género ni el puesto de trabajo implican conjuntamente diferencias salariales signi cativas, puede escribirse como: A) H : b3 =, b5 - b4 = en el primer modelo de la pregunta 6 B) H : d3 =, d4 - d5 = en el segundo modelo de la pregunta 6 H : d =, d =, d = en el segundo modelo de la pregunta 6 C) Pregunta Si en la regresión con término constante de LOG( SAL ) sobre EDUC el coe ciente de determinación y la suma de cuadrados de los residuos y son 476 y 554, respectivamente, entonces el estadístico F para contrastar la hipótesis nula de la Pregunta 9: A) No puede calcularse con la información disponible B) Es aproximadamente igual a 749 C) Es igual aproximadamente a 766 Página 4 de 4

5 ECONOMETRÍA EJERCICIO T RESPUESTAS CORRECTAS Pregunta A B C En Blanco Pregunta 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 A B C En Blanco Pregunta A B C En Blanco Pregunta 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 A B C En Blanco RESPUESTAS CORRECTAS

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta 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

Más detalles

EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos ECONOMETRÍA APLICADA EJERCICIO T2 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: 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

Más detalles

Econometría. Ejercicio 5 - Resuelto

Econometría. Ejercicio 5 - Resuelto Econometría Ejercicio 5 Resuelto E ESTE EJERCICIO SE ILUSTRA LAS FÓRMULAS Y LOS CÁLCULOS ASOCIADOS CO LA ESTIMACIÓ, EL COTRASTE DE HIPÓTESIS Y LA PREVISIÓ E MODELOS DE REGRESIÓ LIEAL MÚLTIPLE ES MUY IMPORTATE

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 11 - Junio - 2.010 SOLUCIONES Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que,

Más detalles

log Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U;

log Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U; Universidad Carlos III de Madrid Econometría Examen Final, Convocatoria Extraordinaria, Curso 2014-2015. Duración del examen: 2 horas. Nota importante: Alguna información contenida en las salidas es redundante.

Más detalles

Análisis Estadístico

Análisis Estadístico Universidad Torcuato Di Tella Análisis Estadístico Examen Final 05/07/2017 TEMA 1 Nombre y Apellido: Número de legajo: Instrucciones El examen tiene dos partes. La parte A (40 puntos) contiene 10 preguntas

Más detalles

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos ECONOMETRÍA APLICADA EJERCICIO T APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta A B C En Blanco Pregunta 5 A B C En Blanco Pregunta

Más detalles

Examen de Introducción a la Econometría

Examen de Introducción a la Econometría NOMBRE GRUPO MODELO 1 DNI: Firma: Examen de Introducción a la Econometría 18 de junio de 2009 Sólo una respuesta es válida. Debe justificar la respuesta de cada pregunta en el espacio que se le proporciona.

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2004/05 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2005 PROBLEMA

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2004/05 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2005 PROBLEMA UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2004/05 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2005 PROBLEMA La especi cación de curvas de Engel para gasto en alimentación establece

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA Curso 2009/10 EXAMEN FINAL (Convocatoria ordinaria) 17 de Mayo de 2010

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA Curso 2009/10 EXAMEN FINAL (Convocatoria ordinaria) 17 de Mayo de 2010 UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA Curso 2009/10 EXAMEN FINAL (Convocatoria ordinaria) 17 de Mayo de 2010 Muy importante: Tenga en cuenta que: 1. Cada pregunta del cuestionario, salvo que se

Más detalles

Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA.

Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Debe ser resuelta a mano, citar bibliografía (no usar internet). Términos clave 1. Ceteris Paribus 2. Grado de libertad 3.

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) TIEMPO: 2 HORAS Instrucciones: UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de Econometria

Más detalles

Modelo de Regresión Lineal Múltiple. Multicolinealidad. Dr. Víctor Aguirre Torres ITAM

Modelo de Regresión Lineal Múltiple. Multicolinealidad. Dr. Víctor Aguirre Torres ITAM Modelo de Regresión Lineal Múltiple. Multicolinealidad Dr. Víctor Aguirre Torres ITAM Temas Qué es la multicolinealidad? Consecuencias sobre la estimación. Detección. Algunas contramedidas. Guión 19. Dr.

Más detalles

EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:

EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos: EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: Preguntas tipo test (sólo debe marcarse una en cada caso): 1. En el Modelo Básico de Regresión

Más detalles

Errores de especificación. Series simuladas

Errores de especificación. Series simuladas Estimación modelo correcto Dependent Variable: Y Date: 05/13/02 Time: 17:07 Sample: 2 100 Included observations: 99 Errores de especificación. Series simuladas C 5.376164 0.253524 21.20578 0.0000 X1 0.954713

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

Regresión con heterocedasticidad y autocorrelación

Regresión con heterocedasticidad y autocorrelación Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales

Más detalles

LICENCIATURAS EN ECONOMÍA Y EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Curso Primer Cuatrimestre ASIGNATURA: ECONOMETRÍA I

LICENCIATURAS EN ECONOMÍA Y EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Curso Primer Cuatrimestre ASIGNATURA: ECONOMETRÍA I LICENCIATURAS EN ECONOMÍA Y EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Curso 2000-2001 Primer Cuatrimestre ASIGNATURA: ECONOMETRÍA I EXAMEN FINAL DEL DÍA 25 DE ENERO DE 2001 Departamento de Economía Cuantitativa

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016

EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 Responda a las 4 preguntas en dos horas y media. 1. Se está llevando a cabo una investigación econométrica sobre los precios

Más detalles

(X t X)(Y t Y ) S 2 X = (X t X) 2. Análogamente, las expresiones de los estimadores MCO en el modelo (2) son. (Xt X )(Yt Y ) (Xt X ) 2. b 2.

(X t X)(Y t Y ) S 2 X = (X t X) 2. Análogamente, las expresiones de los estimadores MCO en el modelo (2) son. (Xt X )(Yt Y ) (Xt X ) 2. b 2. ECONOMETRÍA I - Examen nal. 26 enero. 2011 Curso 2010/11. Nombre....................... Apellidos.............................................. Licenciatura:................................. Grupo:.................................

Más detalles

EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:

EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos: EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: (En las preguntas tipo test sólo debe marcarse una en cada caso): 1. Para determinar si

Más detalles

ECONOMETRÍA I. Tema 6: Heterocedasticidad. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía

ECONOMETRÍA I. Tema 6: Heterocedasticidad. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía ECONOMETRÍA I Tema 6: Heterocedasticidad Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 23 Heterocedasticidad El supuesto

Más detalles

Hoja de Ejercicios 3 El modelo de regresión lineal múltiple

Hoja de Ejercicios 3 El modelo de regresión lineal múltiple Hoja de Ejercicios 3 El modelo de regresión lineal múltiple Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería comprobar

Más detalles

EXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media

EXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media EXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media 1. Sean (Y; X; W ) tres variables aleatorias relacionadas por el siguiente modelo de regresión

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C) UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C) DURACION: 2 HORAS Y 15 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos

Más detalles

Econometría. Examen 24/06/2015. La respuesta que no sea claramente interpretable se considerará incorrecta.

Econometría. Examen 24/06/2015. La respuesta que no sea claramente interpretable se considerará incorrecta. Econometría Examen 24/06/2015 Alumno Grupo 1 a b c d 11 a b c d 2 a b c d 12 a b c d 3 a b c d 13 a b c d 4 a b c d 14 a b c d 5 a b c d 6 a b c d 7 a b c d 8 a b c d 9 a b c d 10 a b c d Reglas del examen

Más detalles

EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce

EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 005 Prof. Rafael de Arce NOMBRE: DNI: PARTE I.- TEST 1. La hipótesis de rango pleno en el MBRL supone: Que las variables explicativas no tengan ninguna

Más detalles

ECONOMETRÍA REGRESIÓN LINEAL MÚLTIPLE II. Departamento de Economía Cuantitativa. José Alberto Mauricio

ECONOMETRÍA REGRESIÓN LINEAL MÚLTIPLE II. Departamento de Economía Cuantitativa. José Alberto Mauricio ECONOMETRÍA Facultad de Ciencias Económicas y Empresariales 3 REGRESIÓN LINEAL MÚLTIPLE II José Alberto Mauricio Departamento de Economía Cuantitativa Internet - http://www.ucm.es/info/ecocuan/jam/ectrgr

Más detalles

Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 4

Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 4 Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12 ECONOMETRÍA I Hoja de problemas del Tema 4 Nota: En todos los contrastes tome como nivel de signi cación el 5%.

Más detalles

(5 x 3) ( 3 x 5) ( 5 x 1) b1 335, ,3-26, ,59 b2 = 0, , ,8 12,85 = 2,94 b3-26,79 13,8 2, ,31

(5 x 3) ( 3 x 5) ( 5 x 1) b1 335, ,3-26, ,59 b2 = 0, , ,8 12,85 = 2,94 b3-26,79 13,8 2, ,31 VENTAS PUBLIC. PRECIOS 1990 0, 0, 10 1991 1 0, 1992 2 0,8 199, 0,8 199 1, Y X U 0, 1 0, 10 U1 Modelo matricial con término constante 1 1 0, U2 (el vector de unos recoge ese término constante) 2 1 0,8 U,

Más detalles

5. Estimación del Modelo y Resultados

5. Estimación del Modelo y Resultados 5. Estimación del Modelo y Resultados 5.1. Forma reducida del modelo Como no se tienen datos sobre la tasa natural de desempleo, es necesario hacer una forma reducida del modelo para poder estimarlo utilizando

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B) UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B) TIEMPO: 125 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de

Más detalles

Econometría II. Hoja de Problemas 1

Econometría II. Hoja de Problemas 1 Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2005/06 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2006 ENUNCIADOS DE PROBLEMAS PROBLEMA 1: INVERSIÓN Y VALOR DE MERCADO Deseamos

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo D)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo D) UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo D) DURACION: 2 HORAS Y 30 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos

Más detalles

Econometría. Examen 02/02/2015. La respuesta que no sea claramente interpretable se considerará incorrecta.

Econometría. Examen 02/02/2015. La respuesta que no sea claramente interpretable se considerará incorrecta. Econometría Examen 02/02/2015 Alumno Grupo 1 a b c d 11 a b c d 2 a b c d 12 a b c d 3 a b c d 13 a b c d 4 a b c d 14 a b c d 5 a b c d 15 a b c d 6 a b c d 16 a b c d 7 a b c d 8 a b c d 9 a b c d 10

Más detalles

Econometría Universidad Carlos III de Madrid Soluciones Examen Final 27 de Mayo de 2013

Econometría Universidad Carlos III de Madrid Soluciones Examen Final 27 de Mayo de 2013 Econometría Universidad Carlos III de Madrid Soluciones Examen Final 27 de Mayo de 2013 1. [6 puntos/sobre 10] Estamos interesados en estudiar el impacto del tamaño de la familia (número de hijos) en la

Más detalles

NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta)

NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta) ECONOMETRÍA I Examen DADE 20 de enero de 2005 NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta) 1. El contraste del predictor Sirve para determinar si las predicciones del modelo

Más detalles

Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015

Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015 Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015 Conteste todas las preguntas en dos horas y media. Pregunta 1 (33 puntos: Un investigador está considerando las

Más detalles

con los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es

con los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es TEMA 2: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: MULTICOLINEALIDAD Y TRANSFORMACIONES LINEALES. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. MULTICOLINEALIDAD

Más detalles

Regresión con heterocedasticidad y autocorrelación

Regresión con heterocedasticidad y autocorrelación Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales

Más detalles

Modelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM

Modelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM Modelo de Regresión Lineal Múltiple. Normalidad Dr. Víctor Aguirre Torres ITAM Temas Porqué ocurre falta de normalidad Consecuencias Detección Enfoques para manejarla Guión 18. Dr. V. Aguirre Porqué ocurre?

Más detalles

Regresión con variables instrumentales

Regresión con variables instrumentales Regresión con variables instrumentales Tema 9 Introducción Cuando el supuesto de exogeneidad no se cumple, los estimadores MCO son sesgados e inconsistentes El método de Variables Instrumentales (VI) permite

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2007

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2007 UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2007 TIEMPO: 2 HORAS 30 MINUTOS Instrucciones: ANTES DE EMPEZAR A RESPONDER EL EXAMEN:

Más detalles

1. VARIABLES FICTICIAS

1. VARIABLES FICTICIAS TEMA 1: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: VARIABLES FICTICIAS Y CAMBIO ESTRUCTURAL. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. VARIABLES

Más detalles

1.-Fuentes de perturbación no esféricas. Autocorrelación y Heterocedasticidad.

1.-Fuentes de perturbación no esféricas. Autocorrelación y Heterocedasticidad. Tema 9: Perturbaciones no esféricas l modelo lineal con matriz de covarianzas de los errores general -Fuentes de perturbación no esféricas Autocorrelación y Heterocedasticidad l estimador MCO en presencia

Más detalles

Introducción a la Econometría Capítulo 4

Introducción a la Econometría Capítulo 4 Introducción a la Econometría Capítulo 4 Ezequiel Uriel Jiménez Universidad de Valencia Valencia, Septiembre de 2013 4.1 El contraste de hipótesis: una panorámica 4.2 Contraste de hipótesis utilizando

Más detalles

GUIÓN TEMA 3. CONTRASTE DE HIPÓTESIS EN EL MRL Contrastes de hipótesis en el MRL

GUIÓN TEMA 3. CONTRASTE DE HIPÓTESIS EN EL MRL Contrastes de hipótesis en el MRL ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA 3. CONTRASTE DE HIPÓTESIS EN EL MRL Los procedimientos clásicos de contrastes de hipótesis

Más detalles

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado. NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido

Más detalles

ln Y = β 0 + β 1 ln X 1 + β 2 X 2 + ε, (4) ln Y = β 0 + β 1 X 1 + β 2 X 2 + ε, (3)

ln Y = β 0 + β 1 ln X 1 + β 2 X 2 + ε, (4) ln Y = β 0 + β 1 X 1 + β 2 X 2 + ε, (3) Examen de Econometría I Universidad Carlos III de Madrid 1aa Convocatoria (26 de enero del 2004) Curso 2003/2004 Valores críticos de diferentes distribuciones pueden encontrarse al final del examen. PREGUNTA

Más detalles

Hoja de ejercicios 4 Econometría II Curso 2011/2012

Hoja de ejercicios 4 Econometría II Curso 2011/2012 Hoja de ejercicios 4 Econometría II Curso 2011/2012 1) Se dispone de las series de diferencias anuales del logaritmo de las series mensuales índice de precios al consumo en España y la Comunidad de Andalucía

Más detalles

CALIFICACION: 287,33 218, sí 1 sí 1. Se especifica el siguiente modelo de regresión para el precio de las viviendas: G i =

CALIFICACION: 287,33 218, sí 1 sí 1. Se especifica el siguiente modelo de regresión para el precio de las viviendas: G i = 6 + 5 = 11 CALIFICACION: PARTE 1 (6 puntos) Una empresa inmobiliaria desea conocer los determinantes del precio de la vivienda en una ciudad de tamaño medio Para ello recoge información sobre las siguientes

Más detalles

Tema 5: Regresión con datos de sección cruzada. Universidad Complutense de Madrid 2013

Tema 5: Regresión con datos de sección cruzada. Universidad Complutense de Madrid 2013 Tema 5: Regresión con datos de sección cruzada Universidad Complutense de Madrid 2013 1 Introducción (I) En este tema se trata el incumplimiento de dos hipótesis del MLG, aparentemente no relacionadas,

Más detalles

SOLUCIONES EXAMEN FINAL EXTRAORDINARIO DE ECONOMETRÍA

SOLUCIONES EXAMEN FINAL EXTRAORDINARIO DE ECONOMETRÍA UC3M. Examen Final Extraordinario de Econometría, 06/7 9/06/07 SOLUCIONES EXAMEN FINAL EXTRAORDINARIO DE ECONOMETRÍA. (a) Este es un contraste del modelo completo con esta hipótesis nula H 0 : 0 en contra

Más detalles

Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de Pr (N (0, 1) > 1, 282) = 0, 10

Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de Pr (N (0, 1) > 1, 282) = 0, 10 Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de 2014 Instrucciones para la realización del examen: Dispone de 2 horas y media para responder al examen La evaluación consta

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 21 - Junio - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que,

Más detalles

SOLUCIONES EXAMEN FINAL DE ECONOMETRÍA

SOLUCIONES EXAMEN FINAL DE ECONOMETRÍA UC3M. Examen Final de Econometría, 206/7 23/05/207 SOLUCIONES EXAMEN FINAL DE ECONOMETRÍA.. a. Respuesta: donde Y 0 + X + 2 Z + 3 W + U W 0 + Z + V U Y ( 0 + X + 2 Z + 3 W ) Y E (Y j X; Z; W ) ) E (Uj

Más detalles

OBSERVACIONES INFLUYENTES

OBSERVACIONES INFLUYENTES 3 REGRESIÓN LINEAL MÚLTIPLE II 3. DIAGNOSIS DE RESIDUOS OBSERVACIONES INFLUYENTES Una observación (punto muestral) es in uyente si los resultados de la estimación de un modelo cambian notablemente al eliminar

Más detalles

Examen de Introducción a la Econometría 8 de septiembre de 2008

Examen de Introducción a la Econometría 8 de septiembre de 2008 NOMBRE DNI: GRUPO Firma: MODELO 1: SOLUCIONES Examen de Introducción a la Econometría 8 de septiembre de 008 Sólo una respuesta es válida. Debe justificar la respuesta de cada pregunta en el espacio que

Más detalles

Ejemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)

Ejemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística) Ejemplo 7.1 Heterocedasticidad Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 7.1. Heterocedásticidad 1 / 22 Enunciado.

Más detalles

ECONOMETRÍA I Convocatoria Extraordinaria 22 de Septiembre de 2007

ECONOMETRÍA I Convocatoria Extraordinaria 22 de Septiembre de 2007 SOLUCIONES EXAMEN Tipo 1 ECONOMETRÍA I Convocatoria Extraordinaria 22 de Septiembre de 2007 1.D 2.C 3.B 4.D 5.B 6.A 7.C 8.B 9.A 10.A 11.A 12.A 13.C 14.C 15.D 16.D 17.A 18.A 19.B 20.C 21.D 22.C 23.D 24.C

Más detalles

Econometría I (LADE). Curso 2001/2002 PRÁCTICA 08

Econometría I (LADE). Curso 2001/2002 PRÁCTICA 08 PRÁCTICA 08 HETEROCEDASTICIDAD Y NORMALIDAD En el fichero Datos08.wf1 tenemos la renta y consumo anual (en dólares) para 500 familias con el que se pretende estimar el siguiente modelo: C i = β + β R +

Más detalles

Econometría II. Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios

Econometría II. Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios Econometría II Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios 1. Problema En el chero "Produccio.xls" se presenta la información sobre la producción Y, trabajo X 2 y capital X 3 en el sector

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2005/06 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2006 ENUNCIADOS DE PROBLEMAS PROBLEMA 1: PROBABILIDAD DE DENEGACIÓN DE UNA HIPOTECA Se

Más detalles

PROPIEDADES DEL ESTIMADOR MCO

PROPIEDADES DEL ESTIMADOR MCO TEMA 3 PROPIEDADES DEL ESTIMADOR MCO S. Álvarez, A. Beyaert, M. Camacho, M. González, A. Quesada Departamento de Métodos Cuantitativos para la Economía y la Empresa Econometría (3º GADE) Lo que estudiaremos

Más detalles

Estadística III (P33) Exam, Tipo: A

Estadística III (P33) Exam, Tipo: A 21 de Enero de 2000 Responde a las siguientes preguntas sobre papel ordinario, de forma breve y concisa. Al entregar tu exámen, has de entregar también la Tarea 10, que no fue posible finalizar en periodo

Más detalles

Econometría de Económicas Ejercicios para el tema 2 y 3

Econometría de Económicas Ejercicios para el tema 2 y 3 Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción

Más detalles

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19. UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.15 ECONOMETRÍA 2 Econometría.weebly.com Wilhem.weebly.com Ejercicio 19.15 Considérese

Más detalles

ECONOMETRÍA I PRÁCTICA 1 SOLUCIONES. 2011/12

ECONOMETRÍA I PRÁCTICA 1 SOLUCIONES. 2011/12 ECONOMETRÍA I PRÁCTICA 1 SOLUCIONES. 2011/12 1.- El chero de datos riqueza.wf1 contiene información sobre la riqueza - nanciera, la edad y la renta para una muestra de 2017 individuos solteros con edades

Más detalles

ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel

ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso 2003-2004 PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel En esta práctica, aplicaremos los contrastes de especificación

Más detalles

1. Sean dos variables aleatorias discretas X e Y. La siguiente tabla describe la función de masa de probabilidad conjunta de estas variables:

1. Sean dos variables aleatorias discretas X e Y. La siguiente tabla describe la función de masa de probabilidad conjunta de estas variables: Examen de Introducción a la Econometría Universidad Carlos III de Madrid 2 a Convocatoria Curso 2004/205 Conteste las preguntas siguientes en 2 horas y media 1. Sean dos variables aleatorias discretas

Más detalles

Ejercicio 5. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)

Ejercicio 5. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística) Ejercicio 5 Estimación del Modelo de Regresión Lineal General Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejercicio 5 Estimación

Más detalles

Multicolinealidad Introducción. Uno de los supuestos básicos del modelo lineal general. y = Xβ + u

Multicolinealidad Introducción. Uno de los supuestos básicos del modelo lineal general. y = Xβ + u CAPíTULO 6 Multicolinealidad 6.1. Introducción Uno de los supuestos básicos del modelo lineal general y = Xβ + u establece que las variables explicativas son linealmente independientes, es decir, la igualdad

Más detalles

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método

Más detalles

TM 4. PROBLEMAS FRECUENTES PROVOCADOS POR LOS DATOS ECONOMICOS. 1. MULTICOLINEALIDAD: CONCEPTO Y TIPOS.

TM 4. PROBLEMAS FRECUENTES PROVOCADOS POR LOS DATOS ECONOMICOS. 1. MULTICOLINEALIDAD: CONCEPTO Y TIPOS. TM 4. PROBLEMAS FRECUENTES PROVOCADOS POR LOS DATOS ECONOMICOS. 1. MULTICOLINEALIDAD: CONCEPTO Y TIPOS.. CÓMO DETECTAR Y MEDIR EL GRADO DE MULTICOLINEALIDAD. 3. SOLUCIONES: CÓMO AFRONTAR EL PROBLEMA EN

Más detalles

Taller I Econometría I

Taller I Econometría I Taller I Econometría I 1. Considere el modelo Y i β 1 + ɛ i, i 1,..., n donde ɛ i i.i.d. N (0, σ 2 ). a) Halle el estimador de β 1 por el método de mínimos cuadrados ordinarios. Para realizar el procedimiento

Más detalles

Información sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.

Información sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992. Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4

Más detalles

Hoja de Ejercicios 3 El modelo de regresión lineal múltiple

Hoja de Ejercicios 3 El modelo de regresión lineal múltiple Hoja de Ejercicios 3 El modelo de regresión lineal múltiple Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería comprobar

Más detalles

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:

Más detalles

Errores de especificación

Errores de especificación CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta

Más detalles

PRACTICA 3. CONTRASTES Y PREDICCION.

PRACTICA 3. CONTRASTES Y PREDICCION. ECONOMETRIA I (LADE). CURSO 2001/2002 PRACTICA 3. CONTRASTES Y PREDICCION. En el archivo prac3.xls disponemos de las siguientes observaciones correspondientes a un país: Y: consumo privado, medido en millones

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:

Más detalles

Ejercicio Heterocedasticidad_2

Ejercicio Heterocedasticidad_2 Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5

Más detalles

Estadística II Ejercicios Tema 5

Estadística II Ejercicios Tema 5 Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta

Más detalles

Tema 4. Regresión lineal simple

Tema 4. Regresión lineal simple Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias

Más detalles

Heterocedasticidad y autocorrelación

Heterocedasticidad y autocorrelación Heterocedasticidad y autocorrelación Tema 6 Heterocedasticidad y Autocorrelación Esquema 1. Supuestos del modelo de regresión. 2. Distribución de los estimadores MCO. 3. Varianzas de los estimadores. 4.

Más detalles

Soluciones Hoja de Ejercicios 4

Soluciones Hoja de Ejercicios 4 Soluciones Hoja de Ejercicios 4 Econometría I 1. Considera la siguiente ecuación para explicar los salarios de los directores generales en términos de ventas anuales de la compañía (sales, del rendimiento

Más detalles

ECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía

ECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía ECONOMETRÍA I Tema 2: El Modelo de Regresión Lineal Simple Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 42 Modelo de Regresión

Más detalles

y x Estimar por MCO un modelo lineal entre la variable explicada (y) y las

y x Estimar por MCO un modelo lineal entre la variable explicada (y) y las Ejercicio MLG Disponemos de los siguientes datos y x x3 7 6 0 4 3 7 8 6 3 6 6 5 8 9 8 Se pide. Estimar por MCO un modelo lineal entre la variable explicada (y) y las explicativas (x).. Comprobar que el

Más detalles

PROBLEMA 1: Nivel nutricional de los menores de 6 años

PROBLEMA 1: Nivel nutricional de los menores de 6 años UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2012/13 SOLUCIONES EXAMEN FINAL (Convocatoria Ordinaria) 10 de Enero de 2013 PROBLEMA 1: Nivel nutricional de los menores de 6 años 1. Los nutricionistas

Más detalles

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Pruebas selectivas para el ingreso en el Cuerpo Superior de Estadísticos del Estado. Orden ECC/1517/2015, de 16 de Julio (BOE 27/07/2015).

Más detalles

TEMA 3: PROPIEDADES DEL ESTIMADOR MCO

TEMA 3: PROPIEDADES DEL ESTIMADOR MCO TEMA 3: PROPIEDADES DEL ESTIMADOR MCO S. Álvarez, A. Beyaert, M. Camacho, M. González, A. Quesada Departamento de Métodos Cuantitativos para la Economía y la Empresa Econometría (3º GADE) Lo que estudiaremos

Más detalles

Estadística para la Economía y la Gestión IN 3401 Clase 5

Estadística para la Economía y la Gestión IN 3401 Clase 5 Estadística para la Economía y la Gestión IN 3401 Clase 5 Problemas con los Datos 9 de junio de 2010 1 Multicolinealidad Multicolinealidad Exacta y Multicolinealidad Aproximada Detección de Multicolinealidad

Más detalles

PRÁCTICA 05 HETEROCEDASTICIDAD, SELECCIÓN DE REGRESORES Y PREDICCIÓN

PRÁCTICA 05 HETEROCEDASTICIDAD, SELECCIÓN DE REGRESORES Y PREDICCIÓN PRÁCTICA 05 HETEROCEDASTICIDAD, SELECCIÓN DE REGRESORES Y PREDICCIÓN Se pretende seleccionar un modelo, para las empresas de un determinado sector económico, que explique el gasto que éstas tienen en formación

Más detalles

SEMINARIO ECONOMETRIA 14 DE MAYO DEL CASO: Determinando un éstandar de productividad comercial en banca

SEMINARIO ECONOMETRIA 14 DE MAYO DEL CASO: Determinando un éstandar de productividad comercial en banca SEMINARIO ECONOMETRIA 14 DE MAYO DEL 212 CASO: Determinando un éstandar de productividad comercial en banca 1.1. Objetivo del análisis: Un banco quiere estimar la productividad estándar esperada de cada

Más detalles

EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES

EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES REGRESIÓN A TRAVÉS DEL ORIGEN Y Y i = β 1 + β 2X i + ε i Y i = β 2X i + ε i X A MENOS QUE EXISTA UNA EXPECTATIVA A PRIORI MUY FUERTE ES ACONSEJABLE

Más detalles

Guía de Econometría. Maestra Genoveva Barrera Godínez

Guía de Econometría. Maestra Genoveva Barrera Godínez Guía de Econometría Maestra Genoveva Barrera Godínez Debe contener los datos del alumno. La guía debe contener la bibliografía de donde fue tomada la información Para calificar: la guía tendrá un peso

Más detalles