GP India

El intervalo de confianza calculado al 95% de confianza para el parámetro  $\beta1$  de un modelo es [0,7456 ; 0,9412], por lo que:

•  $\beta1$ no es significativo al 95% de confianza

•  $\beta1$ es significativo al 95% de confianza

Recogemos datos de los últimos 30 años y de diferentes empresas para un estudio sobre riesgos laborales. La muestra recogida corresponde a:

• Serie temporal

• Corte transversal

• Sección cruzada

• Panel

La capacidad explicativa de un modelo viene determinada por el valor de:

• R² y R² corregido

• F

• $\beta0$

• $SE\left(\beta\right)$

Valoraremos si un modelo tiene un problema de especificación por omisión de variables relevantes:

• Comprobando el estadístico F

• Según el valor de R² corregido

• La omisión de variables relevantes no es un problema de especificación

Para un estudio sería interesante conocer el nivel cultural de una región, pero al no poseer datos de esa variable utilizaremos el nº de bibliotecas que hay. Por tanto, la variable nº de bibliotecas es:

• variable dummy

• variable proxy

• variable irrelevante

• variable cualitativa

• Incluir una variable relevante, por lo que no tendríamos un problema de especificación

• Incluir una variable irrelevante, por lo que tendríamos un problema de especificación

Si la diferencia entre el verdadero valor del parámetro $\beta$   y la esperanza de su estimador es cero, el estimador es:

• Eficiente

• Sesgado

• Ineficiente

• Insesgado

Según el siguiente modelo y teniendo en cuenta Ceteris Paribus: $\ln\left(y\right)=0,4\ -2,1\ln\left(x_1\right)\ +0,1\ln\left(x_2\right)$  

• Un aumento del 1% en x1 supondrá un aumento del 2,1% en y

• Un aumento del 2,1% en x1 supondrá un aumento del 1% en y

• Un aumento del 1% en x1 supondrá un descenso del 2,1% en y

• Un aumento del 1% en x1 supondrá un descenso del 0,021% en y

• Sí

• No

• 
•