Autocorrelación

¿Cuál de las siguientes opciones NO es una causa común de autocorrelación en series de tiempo?

• a) Omisión de variables relevantes.

• b) Errores de medición aleatorios.

• c) Especificación incorrecta del modelo.

• d) Efectos de proximidad entre observaciones.

¿Cuál de las siguientes pruebas se utiliza principalmente para detectar autocorrelación de primer orden en los residuos de un modelo de regresión?

• a) Prueba de Ljung-Box

• b) Prueba de Breusch-Godfrey

• c) Prueba de Durbin-Watson

• d) Prueba de Dickey-Fuller

¿Cuál de las siguientes opciones NO es una causa común de autocorrelación en series de tiempo?

• • a) Omisión de variables relevantes.

• • b) Errores de medición aleatorios.

• • c) Especificación incorrecta del modelo.

• d) Efectos de proximidad entre observaciones.

Si el gráfico de la función de autocorrelación (ACF) muestra picos significativos en varios retardos, ¿qué podemos concluir?

• a) No hay evidencia de autocorrelación.

• b) Existe autocorrelación de largo plazo.

• c) Existe una tendencia en los datos.

• d) Existe estacionalidad en los datos.

Una consecuencia de la autocorrelación en un modelo de regresión es:

• a) Los estimadores de mínimos cuadrados ordinarios (MCO) son más eficientes.

• b) Los intervalos de confianza son más estrechos.

• c) Las varianzas de los estimadores MCO están subestimadas.

• d) Las pruebas de hipótesis son más poderosas.

¿Cuál de los siguientes modelos se utiliza comúnmente para modelar series de tiempo con autocorrelación?

• • a) Modelo de regresión lineal simple.

• • b) Modelo ARIMA.

• • c) Modelo de Poisson.

• • d) Modelo de regresión logística.

Un valor de la estadística de Durbin-Watson cercano a 2 indica:

• • a) Autocorrelación positiva fuerte.

• • b) Autocorrelación negativa fuerte.

• • c) Ausencia de autocorrelación.

• • d) Heteroscedasticidad.

¿Cuál de las siguientes técnicas NO es adecuada para corregir la autocorrelación en una serie de tiempo?

• • a) Transformación de Box-Cox.

• • b) Inclusión de variables ficticias estacionales.

• • c) Aumento del tamaño de la muestra.

• • d) Utilización de estimadores de mínimos cuadrados generalizados (MCG).