Font size
Worksheetsuntitled
Total questions: 44
Worksheet time: 18mins
Describe la propiedad de consistencia del estimador para MCO
De los siguientes postulados, selecciona los que se deben cumplir para que un estimador sea eficiente
Media cero de los errores
Modelo es lineal en los parámetros
La pendiente del modelo es constante
No hay correlación entre u y x´s
Hay multicolinealidad
¿Cuál de los siguientes comandos se utiliza para instalar utilidades en stata?
install ssc jb
ssc install
install.packages
install.ssc
Cuando X varía en 1%, Y varía en promedio beta/100 unidades
Modelo cuadrático
Modelo Lin-Lin
Modelo Lin-log
Modelo Doble-log
El coeficiente de (a) refleja la bondad de ajuste de un modelo.
Los residuales producto de una regresión son iguales a los errores.
Verdadero
Falso
Se utiliza para calcular el estadístico de significancia individual:
De acuerdo con las bondades de ajuste de los siguientes modelos, selecciona al mejor modelo.
R2=0.1
R2=0.01
R2=1.1%
R2=0.1%
Si se obtiene un estadístico JB= 9.95 entonces los residuales provienen de una distribución normal.
Verdadero
Falso
Con un p-value de 0.045 asociado a un estadístico JB calculado, se (a) la hipótesis nula
De una regresión doble log del rendimiento forestal en función de la precipitación (en términos lineales) se obtuvo un coeficiente (beta o estimador) de valor 0.024964. ¿Cuál es la interpretación correcta?
Cuando la precipitación varía en 1 mm el rendimiento aumenta en 0.0249 pesos por hectárea en promedio.
Cuando el rendimiento forestal varía en 0.024% la precipitación varía en 1% en promedio.
Cuando la precipitación varía en 2.49%, el rendimiento forestal promedio varía en 1% en promedio.
Cuando la precipitación varía en 1%, el rendimiento varía en 2.49% en promedio.
Cuando la precipitación varía en 1%, el rendimiento forestal varía en 0.024% en promedio.
Describe la propiedad de consistencia del estimador para MCO
De los siguientes postulados, selecciona los que se deben cumplir para que un estimador sea eficiente
Media cero de los errores
Modelo es lineal en los parámetros
La pendiente del modelo es constante
No hay correlación entre u y x´s
Hay multicolinealidad
Cuando X varía en 1%, Y varía en promedio beta/100 unidades
Modelo cuadrático
Modelo Lin-Lin
Modelo Lin-log
Modelo Doble-log
Se utiliza para calcular el estadístico de significancia individual:
De acuerdo con las bondades de ajuste de los siguientes modelos, selecciona al mejor modelo.
R2=0.1
R2=0.01
R2=1.1%
R2=0.1%
¿Con cuál de los siguientes comandos se construyó esta tabla?
summ pre, detail
tab lpre, detail
summ lpre, detail
summ pre, tab
Si se obtiene un estadístico JB= 9.95 entonces los residuales provienen de una distribución normal.
Verdadero
Falso
Con un p-value de 0.045 asociado a un estadístico JB calculado, se (a) la hipótesis nula
De una regresión doble log del rendimiento forestal en función de la precipitación (en términos lineales) se obtuvo un coeficiente (beta o estimador) de valor 0.024964. ¿Cuál es la interpretación correcta?
Cuando la precipitación varía en 1 mm el rendimiento aumenta en 0.0249 pesos por hectárea en promedio.
Cuando el rendimiento forestal varía en 0.024% la precipitación varía en 1% en promedio.
Cuando la precipitación varía en 2.49%, el rendimiento forestal promedio varía en 1% en promedio.
Cuando la precipitación varía en 1%, el rendimiento varía en 2.49% en promedio.
Cuando la precipitación varía en 1%, el rendimiento forestal varía en 0.024% en promedio.
El valor crítico de la estadística F es importante porque:
(a)
In the equation Y=β0+β1X+u , β1 is the
intercept
slope
explanatory variable
error term
1. Stochastic variables are:
a. Deterministic values
Non-random value
Imply causation
Have probability distribution
1. In correlation analysis we measure the:
Degree of linear association between two variables
Degree of causation between two variables
Predictability of the two variables
Regression between the two variables
1. Data collected for a variable over a period of time is called:
Cross-sectional data
Time series data
Pooled data
Panel data
Below are the type of discrete data except:
Ordinal
Continuous
Binary
Nominal
Which of the following causes inappropriate data estimation?
Outlier
Data computation
Interpolation
Data transformation
Given the data structure as follows: N = 5, T = 30. Which of the following is suitable method to be used?
Static Pane
Panel Cointegration
Dynamic panel GMM
Pooled Mean Group (PMG)
If there is a possibility of x causes y and y causes x, and given N = 50, T = 1, which of the following is the suitable method?
Generalized Method of Moment
Two stage-least square
Ordinary Least Square
FMOLS
¿Cuál de los siguientes identifica correctamente una limitación de la transformación logarítmica de las variables?
Las transformaciones logarítmicas no se pueden utilizar si una variable toma valores cero o negativos.
Tomar el logaritmo de una variable a menudo expande su rango, lo que puede causar estimaciones ineficientes.
Es probable que las transformaciones logarítmicas de las variables conduzcan a la heteroscedasticidad.
Tomar el log de las variables hace que las estimaciones de OLS sean más sensibles a los valores extremos en comparación con las variables tomadas en nivel.
¿Cuál de los siguientes identifica correctamente una ventaja de usar R2 ajustado sobre R2?
El R2 ajustado se puede calcular para modelos que tienen funciones logarítmicas, mientras que el R2 no se puede calcular para tales modelos.
La penalización de agregar nuevas variables independientes se entiende mejor a través de R2 ajustado que R2.
El R2 ajustado es más fácil de calcular que el R2.
R2 ajustado corrige el sesgo en R2.
¿Cuál de los siguientes modelos se usa con bastante frecuencia para capturar los efectos marginales decrecientes o crecientes de una variable?
Modelos con variables en nivel
Modelos con términos de interacción
Modelos con funciones logarítmicas
Modelos con funciones cuadráticas
¿Cuál de los siguientes es cierto para las variables ficticias (dummy)?
Una variable ficticia siempre toma un valor superior a 1.
Una variable ficticia toma un valor de 0 o 1.
Una variable ficticia toma un valor de 1 o 10.
Una variable ficticia siempre toma un valor menor que 1.
Una variable dependiente también se conoce como _____.
variable predictora
variable de control
variable de respuesta
variable explicativa
En la regresión de y sobre x, el término de error exhibe heteroscedasticidad si _____.
y es una función de x
tiene una varianza constante
x es una función de y
Var(y|x) es una función de x
Se dice que el término de error en una ecuación de regresión presenta homocedasticidad si _____.
tiene la misma varianza para todos los valores de la variable explicativa.
tiene media condicional cero
si el término de error tiene un valor de uno dado cualquier valor de la variable explicativa.
tiene el mismo valor para todos los valores de la variable explicativa
In the model
ꞵ1 measures the effect of X1 on Y after controlling the effect of X2 on Y
ꞵ2 measures the effect of X2 on Y after controlling the effect of ꞵ0 on Y
ꞵ2 measures the effect of X2 on Y after controlling the effect of ꞵ0 and ꞵ1 on Y
ꞵ1 measures the effect of X1 on Y after controlling the effect of ꞵ0 and ꞵ2 on Y
The value of Adjusted R2 is always less than R2. This statement is
Incorrect
Correct
Depends on k value
Depends on n value
In the equation, the partial regression coefficients are given by
ꞵ1 and ꞵ2
ꞵ0 and ꞵ1
ꞵ0 and ꞵ2
X1 and X2
Heteroscedasticity is associated with:
Time series data
Cross-sectional data
Panel Data
Unbalanced Panel Data
1. In regression analysis, the values are fixed for the
a. Explanatory variables
a. Dependent variables
a. All variables
a. None of the variables
Autocorrelation is:
the correlation of a time series with its own past and future values
related to error term
violates the CLRM
associates with time series model
1. Stochastic variables are:
a. Deterministic values
Non-random value
Imply causation
Have probability distribution
1. In correlation analysis we measure the:
Degree of linear association between two variables
Degree of causation between two variables
Predictability of the two variables
Regression between the two variables
