Subido por Rebeca Enriquez

Control Abril2013

Anuncio
ECONOMETRIA 3º D GADE
11 DE ABRIL DE 2013 (Hora: 15.00)
Primer Apellido:
Segundo Apellido:
Nombre:
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
Pregunta 6
A
B
C
En Blanco
Pregunta 7
A
B
C
En Blanco
Pregunta 8
A
B
C
En Blanco
Pregunta 9
A
B
C
En Blanco
Pregunta 10
A
B
C
En Blanco
Pregunta 11
A
B
C
En Blanco
Pregunta 12
A
B
C
En Blanco
Pregunta 13
A
B
C
En Blanco
Pregunta 14
A
B
C
En Blanco
Pregunta 15
A
B
C
En Blanco
Pregunta 16
A
B
C
En Blanco
Pregunta 17
A
B
C
En Blanco
Pregunta 18
A
B
C
En Blanco
Pregunta 19
A
B
C
En Blanco
Pregunta 20
A
B
C
En Blanco
Correctas
Incorrectas
En Blanco
Nota final
1
INSTRUCCIONES
El examen consta de 20 preguntas tipo test. Señale su respuesta a cada pregunta con
bolígrafo, tachando con una CRUZ GRANDE una y sólo una casilla por pregunta en la
plantilla de la primera página. Si tacha más de una casilla en una pregunta, se
considerará incorrecta la respuesta a dicha pregunta. Si desea dejar alguna pregunta
sin responder, tache la casilla “En Blanco” correspondiente. Una respuesta Correcta
vale +2 puntos, una Incorrecta ‐1 punto y una En Blanco vale 0 puntos. La calificación
final del examen es igual al número de puntos obtenido dividido entre 4.
LA DURACION DEL EXAMEN ES DE 1 HORA y MEDIA
2
Pregunta 1: En la regresión lineal múltiple clásica, el Teorema de Gauss-Markov
implica que:
A) El estimador MCO es más eficiente que cualquier otro estimador lineal.
B) El estimador MCO es relativamente más insesgado que cualquier otro
estimador lineal y eficiente.
C) El estimador MCO es relativamente más eficiente que cualquier otro
estimador lineal e insesgado.
Pregunta 2: En la regresión lineal múltiple clásica, un contraste de significación
conjunta de varios parámetros:
A) Admite como parte de la hipótesis nula que alguno de los parámetros
considerados en la hipótesis nula sea distinto de cero.
B) Puede llevarse a cabo utilizando un estadístico F calculado a partir de
ciertas sumas de cuadrados de residuos.
C) Tiene asociado un nivel de significación marginal (p-valor ó p-value) que
siempre puede calcularse a partir de una distribución t de Student.
Pregunta 3: En un modelo lineal de regresión del tipo Yt = b1 + b2 X t + et ,
indique en qué caso las perturbaciones NO presentan heterocedasticidad:
A) var(et ) = s 2 X t para todo t = 1, 2,..., N
B) et = 5 + v t con var(v t ) = 100 para todo t = 1, 2,..., N
C) var(et ) = st2 para todo t = 1, 2,..., N
Pregunta 4: En un modelo de regresión lineal SIN término constante, la
estimación MCO del mismo:
A) Genera residuos ortogonales a cada una de las variables explicativas y a
los valores ajustados de la variable endógena.
B) Genera residuos ortogonales a cada una de las variables explicativas, pero
NO a los valores ajustados de la variable endógena.
3
C) Genera residuos cuya suma para toda la muestra siempre es positiva.
Pregunta 5: Bajo todas las hipótesis que conforman el modelo lineal general
Y = Xb + e , el estimador MCO de la varianza de las perturbaciones, es decir,
de se2 :
A) Es sesgado y el signo del sesgo es negativo.
B) Es sesgado y el signo del sesgo es positivo.
C) No está bien definido si los grados de libertad del modelo son cero.
Pregunta 6: En un modelo del tipo logYi = b1 + b2 X i + ei donde log representa
el logaritmo neperiano, el parámetro b2 representa aproximadamente:
A) La variación porcentual esperada en la variable dependiente ante una
variación porcentual de un 1% en la variable explicativa.
B) La variación proporcional esperada en la variable dependiente ante una
variación absoluta de una unidad en la variable explicativa.
C) La variación absoluta esperada en la variable dependiente ante una
variación absoluta de una unidad en la variable explicativa.
Pregunta 7:
Considere el modelo lineal simple y i = b1 + b2 xi + ei para todo
i = 1, 2,..., 20 donde se cumplen las hipótesis clásicas del modelo lineal general. Si
1.52 es el valor calculado del estadístico para contrastar la H0 : b2 = 1 frente a la
H1 : b2 > 1 , entonces el nivel de significación marginal (p-valor del contraste) es
igual a:
A) Pr[t (20) ³ 1.52]
B) Pr[t (20) ³ 0.52]
C) 1 - Pr[t (18) < 1.52]
Pregunta 8: Indique en cuál de los modelos siguientes (donde ei representa la
perturbación aleatoria) los parámetros b1 y b2 NO podrían ser estimados por
MCO:
4
A) logYi = b1 + b1b2 X i + ei donde log representa el logaritmo neperiano
B) Yi = b1 + b2 [log X i ]2 + ei donde log representa el logaritmo neperiano
C) logYi = b1 + b2 X i3 + ei donde log representa el logaritmo neperiano
Pregunta 9: Considere el modelo lineal simple y i = b1 + b2 xi + ei . Si denotamos
por STC, SRC y SEC a las sumas de cuadrados total, residual y explicada,
respectivamente y R 2 es el coeficiente de determinación convencional de la
regresión, es FALSO que:
A) Si b2 = 0 , entonces el R 2 = 0
B) Si b1 ¹ 0 , entonces STC = SEC+ SRC
C) R 2 = 1 -
SEC
STC
Pregunta 10: En el modelo lineal simple y i = b1 + b2 xi + ei , el nivel de
significación marginal (o p-valor) asociado con el contraste de que H0 : b2 = 0
frente a H1 : b2 ¹ 0 puede interpretarse como:
A) La probabilidad de que la hipótesis nula sea cierta.
B) La probabilidad de cometer un error en el caso de rechazar la hipótesis
nula.
C) La probabilidad de que la hipótesis alternativa sea cierta.
Las preguntas 11 a 18 se refieren a la estimación por Mínimos Cuadrados
Ordinarios (MCO) del modelo de regresión Yt = b1 + b2 X t 2 + b3 X t 3 + et , con una
muestra de 5 observaciones. Las dos tablas siguientes contiene los momentos
muestrales de primer y segundo orden de las series Y , X 2 y X 3 y un resumen
incompleto de la estimación del modelo considerado:
Y
X2
X3
4.0
3.0
5.0
Y
5.6
3.2
1.8
Varianzas y
X2
3.2
2.0
1.2
covarianzas
X3
1.8
1.2
0.8
Medias muestrales
5
Variable Dependiente: Y
Método: Mínimos Cuadrados Ordinarios
Número de observaciones: 5
Variable
Coeficiente
Desviación típica
Estadístico t
p-valor
Constante
0.893869
0.4657
X2
2.886751
0.1020
X3
-1.095445
0.3876
R-cuadrado
Media de la
4.000000
v.dependiente
R-cuadrado
0.892857
ajustado
Desviación
Desviación típica
2.645751
v. dependiente
0.866025
Estadístico F
1.500000
P-valor
típica residual
Suma de
cuadrados de
0.053571
(Estadístico F)
residuos
Pregunta 11: Las estimaciones MCO de los parámetros  2 y 3 son iguales a:
A) 2.5 y -1.5, respectivamente
B) 1.5 y 2.5, respectivamente
C) -2.5 y 1.5, respectivamente
Pregunta 12: La estimación MCO del término constante 1 es igual a:
A) 5.6
B) 4.0
C) 4.6
Pregunta 13: Si la Pr[t (2)  2.92]  0.050 y la Pr[t (2)  4.30]  0.025 entonces el
intervalo de confianza del 95% para  2 (con sus extremos redondeados a dos
decimales) es el siguiente:
A) [-2.50, 7.50]
6
B) [-1.22, 6.22]
C) [-2.22, 8.22]
Pregunta 14: Si la Pr[t (2)  4.30]  0.975 y la Pr[t (2)  9.92]  0.995 , entonces el
resultado de contrastar la H 0 :  2  23  10 frente a la H1 :  2  23  10 es el
siguiente:
A) Rechazar la hipótesis nula tanto al 5% como al 1% de significación
B) No rechazar la hipótesis nula al 5%, aunque sí al 1% de significación
C) Rechazar la hipótesis nula al 5%, aunque no al 1% de significación
Pregunta 15: La suma total de cuadrados, ST, y la suma explicada de
cuadrados, SE, son iguales a:
A) 28 y 26.5, respectivamente
B) 22 y 20.5, respectivamente
C) 28 y 25.5, respectivamente
Pregunta
16:
El
coeficiente
de
determinación
habitual
o
R-cuadrado
convencional, redondeado a cuatro decimales es igual a:
A) 0.8000
B) 0.9330
C) 0.9464
Pregunta 17: El nivel de significación marginal (ó p-valor) para el contraste de
la hipótesis nula H 0 : 3  0 frente a la hipótesis alternativa de que H1 : 3  0 es
igual a:
A) 2  Pr[t (2)  1.095]
B) 1  Pr[t (2)  1.095]
C) 1  Pr[t (2)  1.369]
7
Pregunta 18: La previsión puntual para la variable Y en el instante t=6,
sabiendo que el valor de las variables explicativas es X 62  3 y X 62  5 es igual
a:
A) 4.00
B) 9.00
C) 0.00
Las Preguntas 19 y 20 se corresponden con el siguiente enunciado: En el Modelo
1 se presentan los resultados de la estimación de una función de consumo de
gasolina usando datos anuales desde 1960 hasta 1995. Se relaciona el consumo
de gasolina en logaritmos [LOG(G)] en función de las siguientes variables
explicativas: Pg es un índice de precios de la gasolina, Y es la renta disponible
per cápita, Pnc es un índice de precios de coches nuevos, Puc es un índice de
precios de coches usados y Ppt es un índice de precios del transporte público.
Modelo 1: MCO, usando las observaciones 1960-1995 (T = 36)
Variable dependiente: LOG(G)
Coeficiente Desv. Típica Estadístico t Valor p
Constante
3.71415
0.0631232
58.8398
<0.00001
Pg
-0.0305398
0.0110512
-2.7635
0.00968
Y
0.000221807 6.82898e-06 32.4803
<0.00001
Pnc
-0.12692
0.0790663
-1.6052
0.11892
Puc
-0.0275409
0.0254615
-1.0817
0.28802
Ppt
-0.00791789 0.0199616
-0.3967
0.69443
Media de la vble. dep.
5.392989
D.T. de la vble. dep.
0.248779
R-cuadrado
0.989930
R-cuadrado corregido
0.988252
F(5, 30)
589.8329
Valor p (de F)
<0.000001
Log-verosimilitud
82.27570
Criterio de Akaike
-152.5514
Crit. de HQ
-149.2353
Criterio de Schwarz
-143.0503
8
Pregunta 19: De acuerdo con los resultados dados en el Modelo 1:
A) Todos los parámetros estimados, exceptuando la constante, son
elasticidades e individualmente significativas al 1%.
B) Todos los parámetros estimados, exceptuando la constante, son
semielasticidades e individualmente significativas al 10%.
C) Dada la información disponible, es posible calcular la desviación típica
residual estimada por MCO y por MV (Máxima Verosimilitud).
Pregunta 20: De acuerdo con los resutados del Modelo 1, el contraste de la
hipótesis nula conjunta de que los coeficientes asociados a las variables Pnc, Puc
y Ppt son todos nulos:
A) Se puede llevar a cabo usando un estadístico F, siendo el valor del mismo
igual a 7.357.
B) Se puede llevar a cabo usando un estadístico F, pero no hay información
suficiente para calcular el valor del estadístico.
C) Se puede llevar a cabo usando un estadístico F que seguirá una
distribución F de Snedecor con 4 grados de libertad en el numerador y 30
grados de libertad en el denominador.
9
ECONOMETRIA 3º D GADE
11 DE ABRIL DE 2013 (Hora: 15.00)
Primer Apellido:
Segundo Apellido:
Nombre:
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
Pregunta 6
A
B
C
En Blanco
Pregunta 7
A
B
C
En Blanco
Pregunta 8
A
B
C
En Blanco
Pregunta 9
A
B
C
En Blanco
Pregunta 10
A
B
C
En Blanco
Pregunta 11
A
B
C
En Blanco
Pregunta 12
A
B
C
En Blanco
Pregunta 13
A
B
C
En Blanco
Pregunta 14
A
B
C
En Blanco
Pregunta 15
A
B
C
En Blanco
Pregunta 16
A
B
C
En Blanco
Pregunta 17
A
B
C
En Blanco
Pregunta 18
A
B
C
En Blanco
Pregunta 19
A
B
C
En Blanco
Pregunta 20
A
B
C
En Blanco
Correctas
Incorrectas
En Blanco
Nota final
10
11
Descargar