EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos

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

Download "EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos"

Transcripción

1 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 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 1 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 0 A B C En Blanco Correctas Incorrectas En Blanco Puntos INSTRUCCIONES El control consta de 0 preguntas de tipo test y tiene una duración de 1 hora y 0 minutos. 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 1 punto, y una en blanco 0 puntos. LA CALIFICACIÓN DEL CONTROL ES IGUAL AL NÚMERO DE PUNTOS DIVIDIDO ENTRE 4. Página 1 de 4

2 Pregunta 1. Indique cuál de los aspectos siguientes de un análisis econométrico aplicado NO tiene que ver con la especi cación inicial de un modelo: A) La decisión sobre qué variables explicativas incluir en el modelo. B) La estimación por MCO de los parámetros del modelo. C) La decisión sobre la forma funcional de la relación entre la variable dependiente y las variables explicativas del modelo. Pregunta. En el modelo lny = b1 + bx + b3 ln X3 + b4x4 + U (donde ln es el logaritmo neperiano), indique cuál de las a rmaciones siguientes es FALSA: A) % D 100 b si D X = 1 y D X3 = D X4 = D U = 0. B) % D b3 si % D X3 = 1% y D X = D X4 = D U = 0. C) % D b4x4 si D X4 = 1 y D X = D X3 = D U = 0. Pregunta 3. En relación con las hipótesis clásicas sobre el vector de perturbaciones U en Y = Xb + U, indique cuál de las a rmaciones siguientes es CIERTA: A) La insesgadez del estimador MCO de b no requiere la hipótesis de que E [ U X] = 0. B) El que la matriz de varianzas-covarianzas del estimador MCO de b sea igual a - s ( XX ) 1, no tiene nada que ver con la hipótesis de que U X ~ Normal. C) El Teorema de Gauss-Markov no requiere la hipótesis de que Var [ U X] = si. Pregunta 4. En un modelo RLM clásico del tipo Y = b1 + bx + b3x3 + U, la varianza estimada del estimador MCO del parámetro b 3 será tanto MAYOR cuanto: A) Mayor sea la suma de cuadrados de los residuos en la RLS de X 3 sobre X. B) Menor sea el R en la RLS de X 3 sobre X. C) Menor sea la varianza muestral de X 3. Pregunta 5. Considere las dos regresiones lineales siguientes, estimadas ambas por MCO: [1] y ˆ ˆ i = b1 + bxi + uˆ i, [] y ˆ ˆ i * = b1 * + b * xi * + u ˆ i *. En [], yi * = lyi y xi * = mx i ( i = 1,,..., N ), donde l y m son dos números estrictamente mayores que uno. Indique cuál de las a rmaciones siguientes es FALSA: A) Si l =/ m, entonces el R de la regresión [] es distinto del de la regresión [1]. B) Si l = m, entonces el R de la regresión [] es igual al de la regresión [1]. C) Tanto si l = m como si l =/ m, la suma de cuadrados de residuos de la regresión [] es distinta de la suma de cuadrados de residuos de la regresión [1]. Pregunta 6. Si el estimador MCO del parámetro b en el modelo Y = b1 + bx + U es insesgado, y la estimación puntual MCO de b es igual a.4, entonces: A) El verdadero valor del parámetro b es.4. B) La probabilidad de que el verdadero valor del parámetro b sea igual a.4 es muy elevada. C) La estimación.4 es relativamente más able que cualquier otra que se hubiera obtenido con un estimador sesgado. Pregunta 7. Si en el modelo Y = b1 + bx + U no se puede rechazar H 0 : b =.4 en favor de H 1: b =/.4 con un nivel de signi cación del 5%, entonces: A) Se acepta que la hipótesis nula sea cierta. B) La probabilidad de que la hipótesis nula sea cierta es igual a un 95%. C) La hipótesis nula puede ser cierta o falsa, pero los datos utilizados para realizar el contraste son relativamente favorables a la posibilidad de que b sea igual a.4. Pregunta 8. El nivel de signi cación marginal (p-valor) de cualquier contraste de hipótesis siempre puede interpretarse como: A) Una medida de la evidencia relativa que contienen los datos en favor de la hipótesis nula. B) La probabilidad de que la hipótesis nula sea cierta. C) La probabilidad de que la hipótesis alternativa sea falsa. Página de 4

3 Pregunta 9. Si en el modelo Y = b1 + bx + U, el error estándar del estimador MCO de b es muy grande, entonces: A) El estimador MCO del parámetro b es ine ciente. B) Cualquier intervalo de con anza para b es muy amplio, lo que signi ca que los datos empleados para estimar el modelo aportan muy poca información sobre el parámetro b. C) La probabilidad de que el parámetro b sea igual a cero es muy elevada. Pregunta 10. Utilizando una sección cruzada de 60 alumnos de Econometría del curso 01-13, se ha estimado el modelo CF = b ˆ 1 + b ˆ HC + b ˆ 3HF + U ˆ, donde CF es cali cación nal, HC es el número de horas de asistencia a clase, y HF es el número de horas de estudio fuera de clase. A partir de este modelo, se ha obtenido un intervalo de con anza del 95% para la cali cación nal de cierto alumno del curso igual a [4.0, 7.0]. Si Pr[ t (57).00] = 0.975, la probabilidad de que dicho alumno apruebe la asignatura (es decir, obtenga una cali cación nal igual o superior a un cinco): A) Puede expresarse como Pr[ t (57) ]. 3 B) Puede expresarse como Pr[ t (57) ³ ]. 3 C) No puede expresarse de ninguna forma concreta dada la información disponible. Las preguntas 11 a 0 se re eren al enunciado siguiente: Utilizando una muestra de 0 observaciones sobre cinco variables, se ha estimado por MCO el modelo RLM Y = b1 + bx + b3x3 + b4x4 + b5x5 + U. Las dos tablas siguientes contienen parte de los resultados del modelo estimado por MCO, junto con la matriz de varianzas-covarianzas estimadas de los estimadores de b, b3, b4, b 5. Dependent Variable: Y Method: Least Squares Sample: 1 0 Included observations: 0 Variable Coefficient Std. Error t-statistic Prob. C X X X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression F-statistic Sum squared resid Prob(F-statistic) Coefficient C() C(3) C(4) C(5) C() C(3) C(4) C(5) Pregunta 11. La varianza estimada de las perturbaciones del modelo: A) Es igual a B) Es igual a.649. Pregunta 1. La suma de cuadrados total (SCT) en el modelo estimado es igual a: A) B) C) Pregunta 13. El estadístico t para contrastar la signi cación individual de b es igual a: A) B) C) Página 3 de 4

4 Pregunta 14. En el contraste de signi cación individual de b 3 : A) b 3 resulta signi cativo al 5%, aunque no al 1%. B) b 3 resulta signi cativo al 1%, aunque no al 5%. C) b 3 no resulta signi cativo ni siquiera al 10%. Pregunta 15. El nivel de signi cación marginal para el contraste de H 0: b 4 = 0 frente a H 1: b 4 < 0: A) Es igual a un %. B) Es igual a un %. Pregunta 16. El estadístico t para contrastar H 0: b3 = b4 frente a H 1: b3 =/ b4 es igual a: A) B) 0.4. C) Pregunta 17. Si Pr[ t (15) ³ 1.75] = 0.05, entonces en el contraste de la Pregunta 16: A) Se debe rechazar H 0 en favor de H 1 al 5%. B) Se debe rechazar H 0 en favor de H 1 al 1%. C) No se puede rechazar H 0 en favor de H 1 ni al 1% ni al 5%. Pregunta 18. El estadístico F para el contraste de signi cación conjunta de b, b3, b4, b 5: A) Es igual a.75. B) Es igual a Pregunta 19. Si Pr[ t (15).1314] = 0.975, el intervalo de con anza del 95% para b 5 : A) Es igual a [- 0.44,6.54]. B) Es igual a [- 0.65, 6.75]. C) No es ninguno de los dos anteriores. Pregunta 0. Si X * = X * 3 = X * 4 = X * 5 = 0, entonces la previsión puntual y la desviación típica estimada (error estándar) del error de previsión para Y * : A) Son iguales a 17. y 1.34, respectivamente. B) Son iguales a 17. y 1.6, respectivamente. C) No se pueden calcular con la información disponible. Página 4 de 4

5 ECONOMETRÍA EJERCICIO T1 RESPUESTAS CORRECTAS 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 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 1 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 0 A B C En Blanco RESPUESTAS CORRECTAS

EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos 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

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

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

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

(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

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

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

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. 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

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 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

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

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

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

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

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

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

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

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 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

(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

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

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

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

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

GUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE.

GUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE. ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA. PROPIEDADES DE LOS ESTIMADORES MCO Bibliografía apartados.1,. y.3: Greene, 6.6.1, 6.6.3

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

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

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

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

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

Correlograma de la serie Y. Included observations: 900 Autocorrelation Partial Correlation AC PAC Q-Stat Prob

Correlograma de la serie Y. Included observations: 900 Autocorrelation Partial Correlation AC PAC Q-Stat Prob EXAMEN DE ECONOMETRIA EMPRESARIAL II (MÓDULO PRÁCTICO) 23 FEBRERO 2002 1 APELLIDO 2ª APELLIDO NOMBRE GRUPO PRÁCTICO NOMBRE DEL PROFESOR PREGUNTA 1 Un economista desea identificar y estimar el proceso generador

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

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

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

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

REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS

REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS Teoría de la estimación: Estimación puntual Estimación por intervalos ESTIMACIÓN DE INTERVALOS: IDEAS BÁSICAS 1 Lo que se busca

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

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

ECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación

ECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación ECONOMETRÍA I Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA

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

TEMA 2: Propiedades de los estimadores MCO

TEMA 2: Propiedades de los estimadores MCO TEMA 2: Propiedades de los estimadores MCO Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 2: Pdades de los estimadores MCO Curso

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

GUÍA DE EJERCICIOS 4 ECONOMETRIA III

GUÍA DE EJERCICIOS 4 ECONOMETRIA III GUÍA DE EJERCICIOS 4 ECONOMETRIA III 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 y asumimos

Más detalles

SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I

SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I 1º El investigador especifica el modelo siguiente: (7 puntos) M1(t) = a + b P(t) + c(0) PBI(t)

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

T2. El modelo lineal simple

T2. El modelo lineal simple T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de

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

Bioestadística. Curso Práctica: La recta de regresión

Bioestadística. Curso Práctica: La recta de regresión Bioestadística. Curso 2012-2013 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. El diagrama de dispersión 2 3. Covarianza 4 4. Coeciente de correlación

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

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

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

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

MÍNIMOS CUADRADOS GENERALIZADOS

MÍNIMOS CUADRADOS GENERALIZADOS Métodos Estadísticos para Economía y Gestión (IN540-2) Otoño 2008 - Semestre I, Parte II Universidad de Chile Departamento de Ingeniería Industrial Profesor: Mattia Makovec (mmakovec@dii.uchile.cl) Auxiliar:

Más detalles

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3 ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 3 Considere la ecuación de inversión RINV t = β 1 +β 2 RPIB t +β 3 r t +u t donde RINV es la inversión real privada, RPIB es el PIB real y r es el tipo de

Más detalles

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE CAPÍTULO 8: ANÁLISIS DE REGRESIÓN MÚLTIPLE: EL PROBLEMA DE LA INFERENCIA ECONOMETRÍA 2 WILHEM ROOSVELT GUARDIA VÁSQUEZ

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

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

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

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I 1º El investigador especifica los modelos siguientes: MODELO 1: IMP(t) = a + b IMP(t-1) + c IPM(t) + u(t)

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

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

Índice General de Ventas en Grandes Almacenes y su logaritmo

Índice General de Ventas en Grandes Almacenes y su logaritmo En los gráficos y cuadros que se presentan en las páginas siguientes se presentan resultados relativos a la variable Índice General de Ventas en grandes superficies en España con periodicidad mensual desde

Más detalles

ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007

ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007 ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007 Hoja de ejercicios 3 PARTE A) Marque con una X la respuesta o respuestas correctas A.1. En el gabinete de estudios de una empresa de inversión en activos

Más detalles

Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez.

Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Econometría Regresión Múltiple: Municipio Ocupados Población Analfabeta Mayor de 10 años Total de Viviendas Bejuma 18.874 1.835

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

1.- Enumere las hipótesis básicas del modelo básico de regresión lineal

1.- Enumere las hipótesis básicas del modelo básico de regresión lineal Introducción a la Econometría Grupo Derecho y Administración de Empresas Profesor Rafael de Arce 20 de junio de 2008 Nombre: DNI: 1.- Enumere las hipótesis básicas del modelo básico de regresión lineal

Más detalles

Regresión de Poisson. Microeconomía Cuantitativa. R. Mora. Departmento de Economía Universidad Carlos III de Madrid

Regresión de Poisson. Microeconomía Cuantitativa. R. Mora. Departmento de Economía Universidad Carlos III de Madrid en gretl Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción en gretl 1 Introducción 2 3 4 en gretl en gretl Introducción en gretl Ejemplo 1

Más detalles

T3. El modelo lineal básico

T3. El modelo lineal básico T3. El modelo lineal básico Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Regresión lineal múltiple Planteamiento Hipótesis

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

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

ESTIMACIÓN DE LA FUNCIÓN DE EXPORTACIONES DE CATALUÑA A LOS PRINCIPALES PAÍSES EUROPEOS

ESTIMACIÓN DE LA FUNCIÓN DE EXPORTACIONES DE CATALUÑA A LOS PRINCIPALES PAÍSES EUROPEOS ESTIMACIÓN DE LA FUNCIÓN DE EXPORTACIONES DE CATALUÑA A LOS PRINCIPALES PAÍSES EUROPEOS Estimaciones individuales Dependent Variable: LOG(X?) Method: Pooled Least Squares Date: 11/23/02 Time: 13:14 Sample(adjusted):

Más detalles

Econometría. Multicolinealidad

Econometría. Multicolinealidad Econometría Multicolinealidad Que es? Hay dependencia lineal entra las variables explicativas Ejemplo1 1 3 6 1 X = 1 1 4 8 12 Determinante de X ' X es cero No se puede invertir X ' X No se pueden calcular

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

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

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. 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

CAPÍTULO 4 DESARROLLO DEL MODELO ECONOMÉTRICO

CAPÍTULO 4 DESARROLLO DEL MODELO ECONOMÉTRICO CAPÍTULO 4 DESARROLLO DEL MODELO ECONOMÉTRICO 4.1 La Regresión Lineal El objetivo principal de este estudio es obtener los riesgos que afectan a las instituciones del sector bancario. como se mencionó

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

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

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

Relación 3 de problemas

Relación 3 de problemas ESTADÍSTICA II Curso 2016/2017 Grado en Matemáticas Relación 3 de problemas 1. La Comunidad de Madrid evalúa anualmente a los alumnos de sexto de primaria de todos los colegios sobre varias materias. Con

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

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

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

Cointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela.

Cointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela. Cointegración del Índice de Precios al Consumidor y Liquidez monetaria (1997-211). Venezuela. Informe Técnico. PC LC/FT. 2 de Octubre 212 Jhoner Perdomo Karen Tizado Resumen En la búsqueda de una variable

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

Universidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007

Universidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007 Tipo de examen: 1 Universidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007 TIEMPO: 2 HORAS Y 30 MINUTOS Instrucciones: ANTES DE EMPEZAR

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

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

Los estimadores mínimo cuadráticos bajo los supuestos clásicos

Los estimadores mínimo cuadráticos bajo los supuestos clásicos Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA condicional en que!! sea verdadero hipótesis nula H :!!.5%.5%! -.96sd! -sd!! +sd! +.96sd Si el nivel de significación es 5%, la estimación obtenida (círculo pequeño) no nos permitiría

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

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación

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 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

INTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos.

INTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos. INTRODUCCION AL ECONOMETRIC VIEWS Introducción de datos 1. Creando una hoja de trabajo (workfile) File New Workfile Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos. 2. Importación

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

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