ECONOMETRIA

1. 1El modelo clásico de regresión lineal normal supone que cada ui está normalmente distribuida con algunos supuestos.
   
   Estos supuestos se expresan de manera más compacta como:

   1. A
   2. B
   3. C
   4. D
2. 2El modelo clásico de regresión lineal normal puede dar solución a algo que los otros modelos
   
   A que se refiere:

   1. AEl MCRLN hace suposiciones respecto a la naturaleza probabilística de ui.
   2. BQue trabaja con más variables
   3. CEs más precisa que los otros modelos
   4. DEngloba un amplio número de variables
3. 3Teorema central del límite (TCL), es una teoría estadística que establece que, dada una muestra suficientemente grande de la población, la distribución de las medias muestrales seguirá una distribución normal.
   
   ¿Que nos demuestra este teorema?

   1. ADemuestra que si existe un gran número de variables aleatorias dependientes con idéntica distribución.
   2. BDemuestra la variación de las variables estimadas.
   3. CDemuestra la diferencia entre las variables estimadas y la correlación de las variables.
   4. DDemuestra que, si existe un gran número de variables aleatorias independientes con idéntica distribución, entonces, con pocas excepciones, la distribución de su suma tiende a ser normal a medida que se incrementa al infinito el número de tales variables
4. 4Decimos que son estimadores y que sus valores cambiarán de muestra en muestra
   
   ¿Cómo se les denomina?

   1. AVariables estimadas
   2. BVariables proyectadas
   3. CVariables aleatorias
   4. DVariables estadísticas.
5. 5En el contexto de regresión se supone, por lo general, que las u tienen la distribución de probabilidad normal. Si a los supuestos del modelo clásico de regresión lineal (MCRL) se añade el supuesto de normalidad para ui
   
   ¿Que se obtiene de esto?

   1. AObtenemos el MCO
   2. BObtenemos el modelo clásico de regresión lineal normal (MCRLN).
   3. CObtenemos el modelo clásico de regresión lineal.
   4. DObtenemos el modelo de mínimos cuadrados.
6. 6El modelo econométrico es empírico (práctico, basado en la experiencia y en la observación de los hechos), no determinista (teórico, totalmente predecible en un momento dado si fuera posible conocer todos los datos).
   
   ¿Cuál es el estimador que se expresa en términos de las cantidades?
   

   1. AMáxima verosimilitud
   2. BMínimos cuadrados ordinarios
   3. CEstimadores por intervalos
   4. DMínima verosimilitud
7. 7Una vez obtenidos los estimadores de MCO de los datos de la muestra, se obtiene sin problemas la línea de regresión muestral.
   
   Seleccione la serie de pasos para obtener la línea de regresión muestral.
   

   1. APasa a través de las medias muéstrales de Y y X. 2.- El valor medio de Y estimada Yˆi es igual al valor medio de Y real. 3.- El valor medio de los residuos uˆ1 es cero.4.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi 5.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi = 0.
   2. BEl valor medio de Y estimada Yˆi es igual al valor medio de Y real. 2.- El valor medio de los residuos uˆ1 es cero. 3.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi 4.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi _ 0. 5.-Pasa a través de las medias muéstrales de Y y X.
   3. CEl valor medio de Y estimada Yˆi es igual al valor medio de Y real. 2.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi 3.- El valor medio de los residuos uˆ1 es cero. 4.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi _ 0. 5.-Pasa a través de las medias muéstrales de Y y X.
8. 8.

   

   1. AForma de desviación
   2. BForma de correlación
   3. CForma de estimación
   4. DForma de auto desviación
9. 9El modelo de Gauss, modelo clásico o estándar de regresión lineal (MCRL), es el cimiento de la mayor parte de la teoría econométrica.
   
   ¿Cuál de estos supuestos pertenece al teorema de Gauss Markov?
   

   1. AModelo lineal en los parámetros.
   2. BMedia nula y exogeneidad estricta
   3. CHomocedasticidad
   4. DTodas las anteriores
10. 10La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a partir de la información empírica proporcionada por una muestra, cual es el comportamiento de una determinada población con un riesgo de error medible en términos de probabilidad y consta de dos ramas.
    
    ¿Cuáles son estas ramas en las que se divide?
    

    1. AEstimación y Prueba de hipótesis
    2. BVarianza y Estimación
    3. CHipótesis y Varianza
    4. DRegresión Lineal y Estimación

11. 11A medida que aumenta el ingreso familiar, el consumo familiar, en promedio, también aumenta.
    
    ¿Qué sucede con el consumo de una familia en relación con su nivel de ingreso fijo?
    

    1. AEl consumo de una familia en particular no necesariamente disminuye a medida que lo hace el nivel de ingreso
    2. BEl consumo de una familia en particular no necesariamente aumenta a medida que lo hace el nivel de ingreso
    3. CEl consumo de una familia en particular necesariamente aumenta a medida que lo hace el nivel de ingreso
    4. DEl consumo de una familia no necesariamente es promedio a medida que lo hace el nivel de ingreso
12. 12Es una variable aleatoria no observable que adopta valores positivos o negativos.
    Técnicamente, ui se conoce
    

    1. AMargen de aceptación
    2. BMargen de error
    3. CDesviación estándar
    4. DPerturbación estocástica o término de error estocástico.
13. 13¿Por qué no se crea un modelo de regresión múltiple con tantas variables como sea posible?
    
    Las razones son:
    

    1. AVaguedad de la teoría, falta de disponibilidad de datos
    2. BVariables centrales y variables periféricas, aleatoriedad intrínseca en el comportamiento humano, variables representantes (proxy) inadecuadas.
    3. CPrincipio de parsimonia, forma funcional incorrecta
    4. DTodas las anteriores
14. 14Conocido también como estadístico (muestral), no es más que una regla, fórmula o método para estimar el parámetro poblacional a partir de la información suministrada por la muestra disponible.
    
    Este concepto de aleatoriedad, pertenece a:
    

    1. AEstimador
    2. BEstimación
    3. CPerturbación
    4. DRegresión
15. 15La regla básica de 2T
    
    Señala que:
    

    1. ASi el número de grados de libertad es 20 o más, y si α, el nivel de significancia, se fija en 0.05, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 2 en valor absoluto.
    2. BSi el número de grados de libertad es 69 o más, y si α, el nivel de significancia, se fi ja en 0.10, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 6 en valor absoluto.
    3. CSi el número de grados de libertad es 10 o más, y si α, el nivel de significancia, se fi ja en 0.70, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 4 en valor absoluto.
    4. DSi el número de grados de libertad es 80 o más, y si α, el nivel de significancia, se fi ja en 0.30, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 7 en valor absoluto.
16. 16El término de perturbación o de error, es una variable aleatoria (estocástica) con propiedades probabilísticas bien definidas. Este representa todos los factores que afectan el consumo pero que no se consideran en el modelo en forma explícita.
    
    La ecuación es un ejemplo de un modelo econométrico. Técnicamente, es un ejemplo de un modelo de regresión lineal:

    

    1. AY β1 + β2X + u
    2. BE(Y | Xi) = f (Xi)
    3. CE(Y | Xi) = β1 + β2X
    4. Dui = Yi − E(Y | Xi)
17. 17Un economista laboral quizá desee estudiar la tasa de cambio de los salarios monetarios o nominales en relación con la tasa de desempleo. Las cifras históricas aparecen en el diagrama de dispersión de la fi gura 1.3. La curva de esta fi gura es un ejemplo de la célebre curva de Phillips, que relaciona los cambios en los salarios nominales con la tasa de desempleo.
    
    Que permite conocer este tipo de diagrama:

    

    1. AEstimar la elasticidad del precio (es decir, la respuesta a variaciones del precio) de la demanda del producto y permite determinar el precio que maximiza las ganancias.
    2. BPredecir el cambio promedio en los salarios nominales con una cierta tasa de desempleo.
    3. CConsiste en la inversión constante en Activos operativos como resultado de las ventas constantes a través del tiempo.
    4. DUn estudio de este tipo es de gran ayuda para encontrar la elasticidad de la demanda respecto de los gastos publicitarios.
18. 18Este método de estimación suele ser más intuitivo y matemáticamente más sencillo..
    A que método hace referencia el siguiente concepto general.
    

    1. AMáxima Verosimilitud
    2. BMínima Verosimilitud.
    3. CMCO
    4. DMáximos Cuadrados Ordinarios
19. 19El método de mínimos cuadrados presenta propiedades estadísticas muy atractivas que lo han convertido en uno de los más eficaces y populares del análisis de regresión.
    
    Cual fue el autor de este método:
    

    1. AJhon Arrow
    2. BGujarati
    3. CJhon Maynard Keynes
    4. DCarl Friedrich Gauss
20. 20Se pueden emplear en la función de regresión para poder analizar eficazmente datos estadísticos la función de regresión muestral.
    
    A que hace referencia la siguiente formula:
    Yi = B1+B2Xi+ ui
    

    1. AFRP de una variable
    2. BFRP de tres variables
    3. CFRP de cuatro variables
    4. DFRP de dos variables
21. 21Para poder determinar la FMR primero hay que establecer una ecuación que sea el paso inicial para poder realizar el respectivo desarrollo.
    
    A que hace referencia esta fórmula:

    

    1. AMuestra que los uˆi (los residuos) son simplemente las similitudes entre los valores observados y los estimados de Y
    2. BMuestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de X.
    3. CNo muestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.
    4. DMuestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.
22. 22Propiedades numéricas son las que se mantienen como consecuencia del uso de mínimos cuadrados ordinarios, sin considerar la forma como se generaron los datos
    Seleccione las propiedades estadísticas de los estimadores MCO.
    

    1. ALos estimadores de MCO se expresan únicamente en términos de las cantidades (es decir, X y Y) observables (es decir, muestras). Por consiguiente, se calculan con facilidad
    2. BLos estimadores de MCO se expresan diversamente en términos de las cantidades (es decir, X y Y) observables (es decir, muestras). Por consiguiente, se calculan con facilidad.
    3. CLos estimadores de MCA se expresan diversamente en términos de las cantidades (es decir, O y Y) observables (es decir, muestras
    4. DSon estimadores impuntuales: dada la muestra, cada estimador proporciona un solo valor (puntual) del parámetro poblacional pertinente.
23. 23Los datos recopilados por estas organizaciones pueden ser de naturaleza experimental o no experimental.
    En los datos experimentales, frecuentes en las ciencias naturales, el investigador suele….
    

    1. Ael investigador suele recabar los datos con algunos factores constantes y evaluar el efecto de otros en un fenómeno dado.
    2. Bel investigador suele recabar los datos con algunos factores constantes y evaluar el efecto de otros en un fenómeno dado
24. 24La función de esperanza condicional (FEC), función de regresión poblacional (FRP) o regresión poblacional (RP).
    
    Simbólicamente
    

    1. AE(Y | Xi ) _ f (Yi )
    2. BE(Y | Xi ) _ f (Xi )
    3. CE(Y | Yi ) _ f (Xi )
    4. DE(Y | Xi ) _ f (YXi )
25. 25β1 y β2 son parámetros no conocidos pero fijos
    
    Que se denominan
    

    1. Acoeficientes de regresión
    2. Bcoeficientes de intersección y dependiente
    3. CCoeficientes independientes
    4. DCoeficientes lineales.
26. 26La relación sobre todo con modelos lineales en la estimación de FRP
    
    El primer significado de Linealidad en las variables
    

    1. AEs aquel en que la esperanza condicional de X es una función lineal de Xi
    2. BEs aquel en que la esperanza condicional de Y es una función lineal de Yi
    3. CEs aquel en que la esperanza condicional de x es una función lineal de Yi
    4. DEs aquel en que la esperanza condicional de Y es una función lineal de Xi
27. 27La linealidad se presenta cuando la esperanza condicional de Y, E(Y | Xi), es una función lineal de los parámetros, los β; puede ser o no lineal en la variable X.
    
    Es un modelo de regresión lineal en el parámetro
    

    1. AE(Y | Xi ) _ β1 + β2X2i
    2. BE(Y | Yi ) _ β1 + β2X2i
    3. CE(Y | Xi ) _ β1 + β2Y2i
    4. DE(Y | Xi ) _ β1 + β2X1i
28. 28La linealidad en los parámetros es pertinente para el desarrollo de la teoría de regresión
    
    Mencione las dos interpretaciones de linealidad
    

    1. AModelo de regresión lineal( en el parámetro) y modelo de regresión no lineal (en el parámetro)
    2. BModelo de ascenso no lineal y modelo de regresión lineal
    3. CModelo Semántico y modelo potencial
    4. DModelo de regresión lineal (sin el parámetro) y modelo de regresión no lineal
29. 29La línea de regresión poblacional
    
    Desde el punto de vista geométrico, una curva de regresión poblacional
    

    1. AEs tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores fijos de las variables explicativas.
    2. BEs tan sólo el lugar geométrico de las medias condicionales de la variable independiente para los valores fijos de las variables explicativas.
    3. CEs tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores variables de las variables explicativas.
    4. DEs tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores fijos de las variables dependientes.
30. 30Si, con base en una prueba de significancia, por ejemplo, la prueba t, decidimos “aceptar” la hipótesis nula,
    
    Todo lo que se afirma es que :
    

    1. ACon base en la evidencia dada por la muestra, existe
       razón para aceptarla; no se sostiene que la hipótesis nula sea falsa con absoluta certeza.
    2. BCon base en la evidencia dada por la muestra, no existe
       razón para rechazarla; no se sostiene que la hipótesis alternativa sea verdadera con absoluta certeza.
    3. CCon base en la evidencia dada por la muestra, no existe
       razón para aceptarla; no se sostiene que la hipótesis alternativa sea verdadera con absoluta certeza.
    4. DCon base en la evidencia dada por la muestra, no existe
       razón para rechazarla; no se sostiene que la hipótesis nula sea verdadera con absoluta certeza.
31. 31Construya un intervalo de confianza para β2 a 100(1 − α)%
    
    La Regla de decisión nos indica
    

    1. ASi el β2 en H1 se encuentra dentro de este intervalo de confianza, no rechace H1, pero si está fuera del intervalo, rechace H1.
    2. BSi el β2 en H1 se encuentra fuera de este intervalo de confianza, no rechace H0, pero si está fuera del intervalo, rechace H1
    3. CSi el β2 en H0 se encuentra dentro de este intervalo de confianza, no rechace H0, pero si está fuera del intervalo, rechace H0.
    4. DSi el β2 en H1 se encuentra dentro de este intervalo de confianza, no acepte H1, pero si está fuera del intervalo, acepte H1.
32. 32la multicolinealidad, el interrogante natural es:
    
    Determine cuál de las siguientes opciones se refiere a una de las advertencia de Kmenta:
    

    1. ALa multicolinealidad es una cuestión de grado y no de clase La distinción importante no es entre presencia o ausencia de multicolinealidad, sino entre sus diferentes grados.
    2. BComo la multicolinealidad NO se refiere a la condición de las variables explicativas que son no estocásticas por supuestos, es una característica de la muestra y no de la población.
    3. CComo la multicolinealidad se refiere a la condición de las determinantes explicativas que son no estocásticas por supuestos, es una característica de la muestra y no de la población.
    4. DLa multicolinealidad es la distinción importante no es entre presencia o ausencia de multicolinealidad, sino entre sus diferentes grados
33. 33Se dice que un modelo de regresión lineal presenta heterocedasticidad cuando la varianza de las perturbaciones no es constante a lo largo de las observaciones.
    
    La heteroscedasticidad también surge por la presencia de:
    

    1. Adatos atípicos o aberrantes
    2. Bdatos atípicos o significativos
    3. Cdatos atípicos o lineales
    4. Ddatos atípicos o regresión
34. 34El modelo de regresión lineal supone que no debe existir autocorrelación en los errores.
    
    El término autocorrelación se define como:
    

    1. Ala “correlación entre miembros de unidades de observaciones ordenadas en el tiempo
    2. Bla “correlación entre miembros de series de observaciones
       ordenadas en las variables
    3. Cla “negación entre miembros de series de observaciones
       ordenadas en el tiempo
    4. Dla “correlación entre miembros de series de observaciones
       ordenadas en el tiempo
35. 35Dado dos valores cualesquiera de X, Xi y Xj (i= j), la correlación entre dos ui y uj cualesquiera (i no es igual a j) es cero. En pocas palabras estas observaciones se muestran de manera independiente.
    
    A que supuesto hace referencia este enunciado
    

    1. ANo hay auto correlación entre las perturbaciones
    2. BSi hay auto correlación entre las perturbaciones
    3. CHay relación entre las perturbaciones
    4. DNo hay relación entre las variables
36. 36La distribución normal es una distribución comparativamente sencilla y requiere sólo dos parámetros.
    
    ¿Cuáles son?
    

    1. ALa media y la varianza
    2. BLa estimación y la media
    3. CLa media y las correlaciones
    4. DLas correlaciones y la hipótesis
37. 37Si trabajamos con una muestra finita o pequeña, la suposición de normalidad desempeña un papel relevante
    ¿Cuantos datos u observaciones se necesitan para que se cumpla el papel relevante de la muestra?
    

    1. A100 datos o mas
    2. B300 datos o menos
       200 datos o mas
       100 datos o menos
       100 datos o mas
       300 datos o menos
    3. C200 datos o mas
    4. D100 datos o menos
38. 38Propiedades de los estimadores de MCO
    Según el supuesto de normalidad.
    Seleccione la respuesta correcta.
    

    1. ASon insesgados.
    2. BTienen varianza mínima.
    3. CPresentan consistencia
    4. DTodas las anteriores
39. 39Existe un método de estimación puntual con algunas propiedades teóricamente más fuertes que las del método de MCO.
    
    ¿Cómo se llama este método?
    

    1. Amétodo de máxima verosimilitud (MV)
    2. Bmétodo de los mínimos cuadrados ordinarios
    3. Cmodelo clásico de regresión lineal
    4. DModelo clásico de regresión lineal normal.
40. 40A pesar de la tendencia de los padres de estatura alta a procrear hijos altos y los padres de estatura baja, hijos bajos, la estatura promedio de los niños de padres de una estatura determinada tendía a desplazarse.
    ¿Quien acuño el término de regresión?
    

    1. AFrancis Galton
    2. BFrancis Quesnay
    3. CMilton Friedman
    4. DAlfred Marshall
41. 41El análisis de regresión es el estudio de la dependencia de una variable dependiente respecto de una o más variables explicativas
    
    El objetivo que persigue es:
    

    1. AEstimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras no repetidas) de las segundas.
    2. BEstimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas.
    3. CEstimar o predecir la media o valor promedio muestral de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas.
    4. DEstimar o predecir la media o valor promedio poblacional de la segunda en términos de los valores variables (en muestras repetidas) de las segundas.
42. 42En un ejemplo práctico, lo que interesa es predecir la estatura promedio de los hijos a partir de la estatura de sus padres.
    
    Si esto, corresponde a un diagrama de dispersión, para su determinación se necesitara una línea recta.
    

    1. ARecta Oblicua
    2. BRecta semantica
    3. CRecta de regresión
    4. DRecta con dispersión
43. 43A un economista quizá le interese estudiar la dependencia del consumo personal respecto del ingreso personal neto disponible, después de Impuestos.
    
    Con un análisis de este tipo, en el diagrama de dispersión , se calcula:
    

    1. Ala propensión marginal decreciente
    2. Bla propensión marginal a producir
    3. Cla propensión promedio de la demanda
    4. Dla propensión marginal a consumir
44. 44En el análisis de regresión interesa lo que se conoce como dependencia estadística entre variables, no así la funcional o determinista, propia de la física clásica.
    
    En las relaciones estadísticas, analizamos
    

    1. AVariables aleatorias o estocásticas
    2. BVariables explicativas o independientes
    3. CVariables dependientes
    4. DVariables de aquilatacion
45. 45A pesar de que el análisis de regresión tiene que ver con la dependencia de una variable respecto de otras variables, esto no implica causalidad necesariamente.
    
    En otras palabras Kendall y Stuart manifiestan:
    

    1. A“Una relación estadística, por más fuerte y sugerente que sea, siempre podrá establecer una conexión causal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
    2. B“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión causal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
    3. C“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión informal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
    4. D“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión informal: nuestras ideas de causalidad deben provenir de estadísticas internas y, en último término, de una u otra teoría”.
46. 46Se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes.
    
    En el análisis de correlación, el objetivo principal es
    

    1. Amedir la fuerza o el grado de asociación no lineal entre dos variables
    2. Bmedir la relación inversa entre dos variables
    3. Cmedir la fuerza o el grado de asociación lineal entre dos variables
    4. Dmedir la fuerza o el grado de competitividad entre dos variables
47. 47Si se estudia la dependencia de una variable respecto de más de una variable explicativa, como el rendimiento de un cultivo, la lluvia, la temperatura, el Sol y los fertilizantes
    
    A qué tipo de análisis se refiere
    

    1. Aanálisis de regresión múltiple
    2. Banálisis de regresión simple
    3. Canálisis de regresión aleatorio
    4. Danálisis de regresión transversales
48. 48El éxito de todo análisis econométrico depende a final de cuentas de la disponibilidad de los datos recopilados.
    
    Hay tres tipos de datos disponibles para el análisis empírico:
    

    1. Aseries de tiempo, series explicativas e información combinada
    2. Bseries de tiempo, series transversales e información múltiples
    3. Cseries de tiempo, series transversales
    4. Dseries de tiempo, series transversales e información combinada (combinación de series de tiempo y transversales).
49. 49El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes.
    En el análisis de correlación, el objetivo principal es:
    El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes.
    
    En el análisis de correlación, el objetivo principal es:
    

    1. AMedir la fuerza o el grado de asociación lineal entre dos variables.
    2. BMedir el grado de asociación lineal entre variables.
    3. CMedir la fuerza de asociación lineal entre dos empresa.
    4. DMedir la fuerza lineal entre dos variables.
50. 50El éxito de todo análisis econométrico depende a final de cuentas de la disponibilidad de los datos recopilados.
    
    Hay tres tipos de datos disponibles para el análisis empírico, uno de ellos es:
    

    1. APérdida residual
    2. BDatos de series de tiempo
    3. CCostes de fianza
    4. DEconometría de series de tiempo
51. 51Una variable pertenece a esta categoría sólo si satisface la tercera propiedad de la escala de razón (es decir, el orden natural), como los sistemas de calificaciones por letras (A, B, C) o los niveles de ingresos alto, medio y bajo)
    
    La escala de medición es:
    

    1. AEscala nominal
    2. BEscala ordinal
    3. CAnálisis de datos
    4. DCostes de correlación
52. 52La micronumerosidad exacta surge cuando n, el tamaño de la muestra, es cero, en cuyo caso es imposible cualquier clase de estimación
    
    ¿Cuándo surge la casi micronumerosidad?
    

    1. ACuando el número de observaciones escasamente disminuye al número de parámetros que se va a estimar.
    2. BCuando el número de observaciones escasamente excede al número de parámetros que se va a estimar.
    3. CCuando el número de observaciones escasamente excede al número de límites que se va a estimar.
    4. DCuando el parámetro de observaciones escasamente excede al número que se va a estimar.
53. 53La detección de la multicolinealidad es el estudio de las características y las consecuencias de la misma.
    
    ¿Cómo conocer la presencia de colinealidad en cualquier situación dada, en especial en modelos con más de dos variables explicativas?
    

    1. ALa multicolinealidad es una cuestión de grado y no de clase. La distinción importante no es entre presencia o ausencia de multicolinealidad, sino entre sus diferentes grados.
    2. BComo la multicolinealidad se refiere a la condición de las variables exclusivas que son no exóticas por supuestos, es una característica de la muestra y no de la región.
    3. CAl enfrentar el problema de multicolinealidad grave, una de las soluciones “más simples” consiste en omitir del modelo de los supuestos del modelo clásico una de las variables colineales.
    4. DLa técnica atractiva, la mezcla de datos de series de tiempo y de corte transversal de esta forma puede crear problemas de interpretación.
54. 54En el modelo Ling-Long el coeficiente de la pendiente mide el cambio proporcional constante o relativo en Y para un cambio absoluto dado en la variable exógena.
    
    Por lo tanto el modelo mide:
    

    1. ATendencias
    2. BTasas de inflación
    3. CTasas de interés
    4. DTasas de crecimiento
55. 55Los modelos del siguiente tipo se conocen como modelos recíprocos.
    
    ¿Cuál es la diferencia del modelo reciproco con otros modelos?

    

    1. AEl modelo no es lineal
    2. BEl modelo es lineal
    3. CModelo de regresión lineal
    4. DModelo Ling-Long
56. 56Los coeficientes de regresión β2 y β3 se conocen como los coeficientes de regresión parcial o coeficientes parciales de pendiente.
    
    Por lo tanto ¿Cuál es el significado del coeficiente de regresión parcial?
    

    1. Aβ2 mide el cambio en el valor de la media de Y
    2. Bβ3 mide el cambio en el valor de la media de Y
    3. Cβ3 mide el cambio en el valor de la media de X
    4. Dβ2 mide el cambio en el valor de la media de X
57. 57La adicción de variables conduce al análisis de los modelos de regresión múltiple, es decir a modelos en los cuales la variable dependiente, o regresada, Y, depende de dos o más variables explicativas o regresaras
    Por lo tanto el modelo de regresión múltiples más simple es la regresión de tres variables. ¿Cuáles son?
    

    1. ADos variable dependiente y una explicativa
    2. BUna variable dependiente y dos explicativas
    3. CTres variables dependientes y una explicativa
    4. DUna variable dependiente y tres explicativas
58. 58Las unidades con que se expresan la variable independiente (regresora) y la dependiente (regresada) influyen en la interpretación de los coeficientes de regresión.
    
    Esto se evita si ambas variables (regresora y regresada) se expresan como:
    
    

    

    1. AVariables estandarizadas.
    2. BDesviación estándar muestral
    3. CMedia muestral
    4. DCoeficientes beta
59. 59La regresión que involucra a la regresada estandarizada y a
    la(s) regresora(s) estandarizada(s), el término del intercepto siempre es cero. Los coeficientes de regresión de las variables estandarizadas, denotados por β∗1 y β∗2, se conocen en la bibliografía como los coeficientes beta
    
    ¿Cómo se interpretan los coeficientes beta?
    
    

    

    1. ASe mide con modelos reciprocos.
    2. BSe mide el efecto no en términos de las unidades originales en las expresadas X y Y, sino en unidades de desviación estándar.
    3. CConsiste en la inversión constante en Activos operativos como resultado de las ventas constantes a través del tiempo.
    4. DUn estudio de este tipo es de gran ayuda para encontrar la elasticidad de la demanda respecto de los gastos publicitarios.
60. 60se puede calcular para tales modelos, lo que se conoce como el r2 simple, el cual se define como
    
    Según el enunciado a que se refiere:
    

    

    1. AModelo de factores
    2. Br^2 para el modelo de regresión a través del origen
    3. CModelo de recesión
    4. Dr^2 para el modelo de recesión a través del origen
61. 61En este modelo, el término del intercepto está ausente o es cero
    Según el enunciado a que se refiere:
    

    1. ARegresión a través del origen.
    2. BVariables
    3. CEcuación
    4. DDerivadas
62. 62En la regresión polinomial se tiene una sola variable explicativa continua, x, pero se puede ajustar potencias mayores de x, como x2, x3 … y añadirlas al modelo, junto a x, para describir diversos tipos de curvatura en la relación y x.
    ¿Qué presentan las funciones polinomiales?
    

    1. AGran flexibilidad de formas, incluso al añadir un solo término cuadrático, dependiendo de los signos de los términos lineales y cuadráticos.
    2. BSeries de tiempo, series explicativas e información combinada
    3. CGran flexibilidad en los signos de los términos lineales y cuadráticos.
    4. DSeries de tiempo, series transversales
63. 63El R^2 es una herramienta estadística que se utiliza en modelos estadísticos como en una regresión para predecir futuros resultados.
    
    ¿Qué permite medir el R^2 ?
    

    1. ALa proporción de las series de tiempo.
    2. BEl punto en el que pudo ocurrir la ruptura de la relación subyacente.
    3. CLa proporción de la variación en la variable dependiente explicada por la(s) variable(s) explicativa(s).
    4. DLa proporción de series transversales.
64. 64Una vez fuera del mundo simple del modelo de regresión lineal con dos variables, las pruebas de hipótesis adquieren diversas e interesantes formas
    Identifique cual pertenece a la Prueba de hipótesis en regresión múltiple
    

    1. AEs decir, los términos de error en las regresiones de los subperiodos
       están normalmente distribuidos con la misma varianza
       Los dos términos de error (u1t y u2t) están independientemente distribuidos.
    2. BPruebas de que dos o más coeficientes son iguales a otro
       Pruebas de que los coeficientes de regresión parcial satisfacen ciertas restricciones
       Prueba de la estabilidad del modelo de regresión estimado a través del tiempo o en diferentes unidades de corte transversal
    3. CLa prueba de Chow dirá sólo si las dos regresiones señalará si la diferencia se debe a los intercepto o a las pendientes, o a ambos.
       La prueba de Chow supone que se conoce(n) el(los) punto(s) de ruptura estructural.
    4. DComo en el caso de dos variables, el modelo de regresión múltiple sirve para fines de predicción
       de media y/o individual.
65. 65La selección entre un modelo de regresión lineal (la regresora es una función lineal de las regresoras) o un modelo de regresión log-lineal (el logaritmo de la regresora es función de los logaritmos de las regresoras) es la eterna pregunta en el análisis empírico
    
    ¿Se puede utilizar una prueba propuesta por MacKinnon, White y Davidson, que se denomina, por brevedad?

    1. APrueba MWD
    2. BPrueba MDW
    3. CPrueba DWM
    4. DPrueba WDM
66. 66No hay una expresión más errónea, tanto en los libros de texto de econometría como en la bibliografía aplicada, que la de “problema de multicolinealidad”. Es un hecho que muchas variables explicativas presentan un alto grado de colinealidad; asimismo, resulta muy claro que existen diseños experimentales X´X (es decir, matriz de datos) que serían mucho más convenientes que los diseños que proporciona la experimentación natural (es decir, la muestra disponible).
    
    ¿Cuál es la naturaleza de la multicolinealidad?
    

    1. AMulticolinealidad perfecta
    2. BRelación lineal “perfecta”
    3. CEl lector puede verificar
    4. DError estocástico
67. 67Existen diversas fuentes de multicolinealidad. Como afirman Montgomery y Peck, la multicolinealidad puede deberse a:
    
    ¿Factores de la multicolinealidad?
    

    1. AEl método de recolección de información.
    2. BRestricciones en el modelo o en la población objeto de muestreo.
    3. CEspecificación del modelo.
    4. DNinguna de las anteriores
68. 68Para referirse a la importancia del tamaño de la muestra, Goldberger acuñó el término micro- numerosidad, como contraparte del exótico nombre polisílabo de multicolinealidad. De acuerdo con Goldberger, la micronumerosidad exacta (la contraparte de multicolinealidad exacta) surge cuando n, el tamaño de la muestra, es cero, en cuyo caso es imposible cualquier clase de estimación.
    
    ¿Qué autores están en lo correcto al lamentar la falta de atención al problema del tamaño de la muestra, lo mismo que al problema de multicolinealidad?
    

    1. APeter Kennedy
    2. BBeverly Hills
    3. CMCO
    4. DLeamer, Achen y Goldberger
69. 69Un enfoque alterno pero complementario al de intervalos de confianza para probar hipótesis estadísticas es el método de la prueba de significancia.
    
    ¿A que se refiere cuando habla del método de la prueba de significación?
    

    1. AConexión entre los enfoques de intervalo de confianza y prueba de significancia para realizar pruebas de hipótesis.
    2. BProcedimiento que utiliza los resultados muestrales para verificar la verdad o falsedad de una hipótesis nula.
    3. CA la hipótesis simple si especifica el valor preciso del parámetro de una función de densidad de probabilidad.
    4. DEnfoques que plantean que la variable en consideración sigue alguna distribución de probabilidad.
70. 70La teoría de pruebas de hipótesis se refiere al diseño de reglas o procedimientos que permitan decidir si se rechaza o no la hipótesis nula.
    
    ¿Cuáles son los dos métodos mutuamente complementarios para
    diseñar las reglas de La teoría de pruebas de hipótesis?
    

    1. APrueba bilateral e intervalo de confianza.
    2. BHipótesis mantenida y Plantada.
    3. CLa hipótesis nula y la hipótesis alternativa.
    4. DEl intervalo de confianza y la prueba de significancia.
71. 71Este tipo de prueba de normalidad es un simple dispositivo gráfico para saber algo sobre la forma de la función de densidad poblacional de una variable aleatoria.
    
    A esta se la conoce como:
    

    1. ADiagrama
    2. BHistograma de residuos
    3. CGráfico de probabilidad normal
    4. DPrueba Jarque-Bera
72. 72La prueba de normalidad es una prueba asintótica o de muestras grandes. También se basa en los residuos de MCO.
    
    Según su concepto, esta prueba tiene un fin
    

    1. AEstablecer si el término de error sigue una distribución normal.
    2. BElaborar un estadístico de prueba.
    3. CExaminar la distribución muestral
    4. DRechazar la hipótesis de los residuos
73. 73Las variables dicótomas pueden utilizarse en los modelos de regresión en forma tan fácil como las variables cuantitativas.
    
    Tales modelos se denominan:
    

    1. AModelos de Análisis de Varianza (ANOVA).
    2. BVariables Dicótomas.
    3. CDatos de series de tiempo.
    4. DFuerza lineal entre dos variables.
74. 74Por lo general, en la mayor parte de la investigación económica, un modelo de regresión contiene diversas variables explicativas cuantitativas y otras cualitativas.
    
    Los modelos de regresión que muestran una mezcla de variables cuantitativas y cualitativas se llaman:
    

    1. AModelos de análisis de covarianza (ANCOVA).
    2. BModelos de Análisis de Varianza (ANOVA).
    3. CModelos de Análisis de Costes de fianza
    4. DModelos de Análisis de series de tiempo
75. 75La presencia o ausencia de una “cualidad” o atributo, como femenino o masculino, negro o blanco, católico o no católico, demócrata o republicano, son variables en escala nominal esencialmente una manera de “cuantificar” tales atributos es mediante variables artificiales que toman los valores 0 o 1, donde 1 indica la presencia (o posesión) de ese atributo y 0 su ausencia.
    
    Las variables que adquieren tales valores 0 y 1 se llaman

    1. AEscala nominal
    2. BVariables dicótomas
    3. CAnálisis de datos
    4. DCostes de correlación
76. 76La técnica de variable dicótoma debe manejarse con cuidado, si la regresión contiene un término constante, el número de variables dicótomas debe ser menor que el número de clasificaciones de cada variable cualitativa
    La categoría a la cual no se asigna variable dicótoma se conoce como:
    

    1. AEscala real
    2. BCategoría Base
    3. CAnálisis de regresión
    4. DCostes de datos
77. 77
    Una serie de tiempo puede tener cuatro componentes: (1) estacional, (2) cíclico, (3) tendencia y (4) estrictamente aleatorio.
    
    Identifique a qué serie de tiempo pertenecen las series de tiempos económicos importantes, como el índice de precios al consumidor (IPC), el índice de precios del productor (IPP) y el índice de producción industrial.
    

    1. ACíclico
    2. BEstacional
    3. CTendencia
    4. DEstrictamente aleatorio
78. 78En la teoría se analizan diversos temas relativamente avanzados que tienen que ver con las variables dicótomas, como 1) modelos de parámetros aleatorios o variables, 2) modelos de regresión cambiantes y 3) modelos de desequilibrio.
    
    Identifique: qué modelo maneja una situación al permitir que el punto de ruptura sea en sí mismo una variable aleatoria y, mediante un proceso iterativo, determinar cuándo pudo acontecer realmente la ruptura.
    

    1. AModelo de parámetros aleatorios o variables
    2. BModelo de regresión cambiantes
    3. CModelos de desequilibrio
    4. DTodas las anteriores
79. 79Una vez fuera del mundo simple del modelo de regresión lineal con dos variables, las pruebas de hipótesis adquieren diversas e interesantes formas.
    
    ¿Cuál de las siguientes no es una pruebas de hipótesis?
    

    1. APruebas de hipótesis sobre un coeficiente de regresión parcial individual
    2. BPruebas de que dos o más coeficientes no son iguales a otro
    3. CPruebas de significancia global del modelo de regresión múltiple estimado.
    4. DPruebas sobre la forma funcional de los modelos de regresión.
80. 80La hipótesis nula es una hipótesis conjunta de que β2 y β3 son iguales a cero en forma conjunta o simultánea.
    
    ¿Cómo se denomina la prueba de tal hipótesis?
    

    1. ASignificancia de hipótesis sobre un coeficiente de regresión parcial
    2. Bsignificancia general de la línea de regresión observada o estimada
    3. Csignificancia múltiple de regresión observada o estimada
    4. Dsignificancia línea múltiple observada o estimada
81. 81La prueba de la RV se basa en el principio de máxima verosimilitud (MV), Se muestra que para el modelo de regresión con dos variables los estimadores
    ¿Cuáles son los dos estimadores que se utilizan para el modelo de regresión con dos variables?
    

    1. AMCO y MV
    2. BLFVR Y MV
    3. CCAPM Y MCO
    4. DMV Y CAPM
82. 82Algunos modelos pueden parecer no lineales en los parámetros por ser inherente o intrínsecamente lineales, debido a que con una transformación adecuada pueden convertirse en modelos de regresión lineales en los parámetros.
    
    Cuando los modelos inherente o intrínsecamente lineales no pueden alinearse en los parámetros se los conoce cómo?
    

    1. A“Modelos de regresión lineales”.
    2. B“Modelos de regresión intrínsecamente inherentes”.
    3. C“Modelos de regresión intrínsecamente no lineales”.
    4. D“Modelos de métodos de ensayo y error”.
83. 83Existen varios métodos o algoritmos para estimar los Métodos de Regresión No Lineales.
    Cuáles son los métodos para estimar los MRNL?
    

    1. A1) Búsqueda directa o método de ensayo
       y error, 2) Optimización directa y 3) Linealización iterativa.
    2. B1) Método de paso ascendente, 2) Método de paso descendente y 3) Linealización iterativa.
    3. C1) Búsqueda directa o método de ensayo
       y error, 2) Optimización directa y 3) Método de paso descendente.
    4. D1) Búsqueda directa o método de ensayo y error, 2) Método de paso descendente y 3) Linealización iterativa.
84. 84Existen varios técnicas para linealizar una ecuación no lineal, pero hay una técnica principal
    
    Cuáles es la técnica principal o más utilizada para linealizar una ecuación no lineal?
    

    1. ATécnica Linealización descriptiva.
    2. BTécnica de error estándar y coeficiente.
    3. CMétodo Marquard
    4. DExpansión de series de Taylor
85. 85El análisis empírico se basa en la recogida de una gran cantidad de datos a partir de un fenómeno natural y del análisis de la base de datos de una teoría o llegar a una conclusión particular.
    En el análisis empírico existe la manipulación de datos diga ¿Qué otra fuente de manipulación existe?
    

    1. AFactico
    2. Binterpolación o extrapolación
    3. CHipotético-deductivo
    4. DMedición
86. 86El término autocorrelación se define como la “correlación entre miembros de series de observaciones ordenadas en el tiempo [como en datos de series de tiempo] o en el espacio [como en datos de corte transversal]”.
    
    ¿Cómo define Tintner a la autocorrelacion?
    

    1. A“herramienta estadística utilizada frecuentemente en el procesado de señales”
    2. B“correlación rezagada de una serie dada consigo misma, rezagada por un número de unidades de tiempo”
    3. C“correlación entre miembros de series de observaciones ordenadas en el tiempo”
    4. D“correlación rezagada entre dos series diferentes”.
87. 87El teorema de la telaraña es un modelo que representa y explica cómo se alcanza el equilibrio en determinados mercados, en lo que las decisiones de producción y consumo están alejadas en el tiempo.
    
    ¿En qué tipo de productos aparece el llamado fenómeno de la telaraña?

    1. AProductos agrícolas
    2. BProductos de manufactura
    3. CProductos ganaderos
    4. DProductos Químicos
88. 88Tipos de datos disponibles para el análisis empírico
    
    De los cuales son tres:
    

    1. ASeries de tiempo, datos agrupados, datos individuales
    2. BTransversales, series de tiempo y datos agrupados
    3. Ctransversales, series de tiempo y datos individuales
    4. Ddatos agrupados, datos individuales y transversales
89. 89Observamos que no todos los supuestos se cumplen con cualquier tipo de datos, como el transversal que no cumple o no siempre se sustenta con los problemas de homoscedasticidad
    
    En otras palabras. ¿Los datos transversales a menudo están plagados de que problema?
    

    1. AHeteroscedasticidad.
    2. BElasticidad
    3. CHeteroelasticidad
    4. DHomoelasticidad
90. 90A menudo los datos se recopilan con base en una muestra aleatoria de unidades como familias o empresas.
    Esta característica ¿a qué tipo de dato corresponde?
    

    1. ADato serie de tiempo
    2. BDato transversal
    3. CDatos agrupados
    4. DDatos individuales
91. 91Estos datos siguen un ordenamiento natural respecto del tiempo, de modo que es muy posible que las observaciones sucesivas muestren intercorrelaciones, sobre todo si el intervalo entre observaciones sucesivas es muy corto, como un día, una semana o un mes, en lugar de un año.
    
    Esta característica ¿a qué tipo de dato corresponde?

    1. ADato serie de tiempo
    2. BDato transversal
    3. CDatos agrupados
    4. DDatos individuales
92. 92Visualmente, es una curva que evoluciona a lo largo del tiempo. Por ejemplo, las ventas diarias de un producto.
    
    ¿A que nos referimos con esta definición?
    

    1. ADato serie de tiempo
    2. BDato transversal
    3. CDatos agrupados
    4. DDatos individuales
93. 93Son un tipo de datos recopilados mediante la observación de muchos sujetos (como individuos, empresas, países o regiones) al mismo tiempo, o sin tener en cuenta las diferencias en el tiempo. El análisis de los datos suele consistir en comparar las diferencias entre los sujetos.
    
    ¿A que nos referimos con esta definición?
    

    1. ADato serie de tiempo
    2. BDato transversal
    3. CDatos agrupados
    4. DDatos individuales
94. 94La correlación entre miembros de series de observaciones ordenadas en el tiempo como en (datos de series de tiempo) o en el espacio como en (datos de corte transversal).
    
    ¿A que nos referimos con esta definición?
    

    1. ADato serie de tiempo
    2. BDato transversal
    3. CDatos agrupados
    4. DAuto correlación
95. 95La oferta de muchos productos agrícolas refleja un fenómeno, en donde la oferta reacciona al precio con un rezago de un periodo debido a que la instrumentación de las decisiones de oferta tarda algún tiempo (periodo de gestación).
    
    ¿Cómo llamamos a este fenómeno?
    

    1. ADato serie de tiempo
    2. BDato transversal
    3. CFenómeno de la telaraña
    4. DDatos individuales
96. 96En una regresión de series de tiempo del gasto de consumo sobre el ingreso no es extraño encontrar que el gasto de consumo en el periodo actual dependa, entre otras cosas, del gasto de consumo del periodo anterior.
    
    ¿A qué termino corresponde esta definición?
    
    

    1. ADato serie de tiempo
    2. BRezagos
    3. CDatos agrupados
    4. DDatos individuales
97. 97En el análisis empírico con frecuencia se “manipulan” los datos simples. Por ejemplo, en las regresiones de series de tiempo con datos trimestrales, por lo general estos datos provienen de datos mensuales a los que se agregan simplemente las observaciones de tres meses y se divide la suma entre 3.
    
    ¿A que hace referencia esta definición?
    

    1. AManipulación de Datos
    2. BRezagos
    3. CDatos agrupados
    4. DDatos individuales
98. 98Si se considera el modelo general de M ecuaciones con M variables endógenas dado en la ecuación pueden adoptarse dos enfoques para estimar las ecuaciones estructurales
    Identificar los dos enfoques para la estimación de ecuaciones simultáneas
    

    1. AMétodos de recolección de datos, Métodos simples.
    2. BMétodos uniecuacionales, Métodos de
       Sistemas.
    3. CMétodos avanzados, Métodos de cálculo.
    4. DMétodo de ecuaciones, Método biecuacionales.
99. 99Estimación de una ecuación exactamente identificada:
    el método de mínimos cuadrados indirectos (MCI). Para una ecuación estructural precisa o exactamente identificada, el método para obtener las estimaciones de los coeficientes estructurales a partir de las estimaciones por MCO de los coeficientes en forma reducida se conoce como método de mínimos cuadrados indirectos (MCI), y las estimaciones así obtenidas se conocen como estimaciones de mínimos cuadrados indirectos.
    
    Determine uno de los tres pasos que comprende MCI:
    

    1. ALas perturbaciones de diferentes ecuaciones en el mismo periodo no están correlacionadas (técnicamente, éste es el supuesto de cero correlaciones contemporáneas)
    2. BMCO generalmente es inaplicable a modelos de ecuaciones simultáneas, se puede utilizar solamente como estándar o norma de comparación
    3. CSe aplica MCO individualmente a las ecuaciones en la forma reducida. Esta operación es permisible puesto que las variables explicativas en estas ecuaciones están predeterminadas y, por tanto, no están correlacionadas con las perturbaciones estocásticas. Las estimaciones así obtenidas son consistentes.
    4. DHay una situación en la cual el método de MCO puede ser aplicado apropiadamente, aun en el contexto de las ecuaciones simultáneas. Es el caso de los modelos recursivos, triangulares o causales.
100. 100Tres métodos uniecuacionales comúnmente utilizados son: MCO, MCI y MC2E.
     Identificar cuál de estos métodos es inapropiado en el contexto de los modelos de ecuaciones simultáneas
     

     1. AMCO
     2. BMCI
     3. CMC2E
     4. DNinguna de las anteriores
101. 101El método de MCI es apropiado para ecuaciones precisas o exactamente identificadas. Mediante este método, se aplica MCO a la ecuación en la forma reducida, y es a partir de los coeficientes de dicha forma que se estiman los coeficientes estructurales originales. El método de MC2E está diseñado en especial para ecuaciones sobre identificadas, aunque también puede aplicarse a ecuaciones exactamente identificadas. Pero entonces los resultados de MC2E y MCI son idénticos. La idea básica detrás de MC2E es reemplazar la variable explicativa endógena (estocástica) por una combinación lineal de variables predeterminadas en el modelo y utilizar esta combinación como variable explicativa en lugar de la variable endógena original. El método MC2E se parece entonces al método de estimación de variables instrumentales, en el cual la combinación lineal de las variables predeterminadas sirve como instrumento o variable representante para la regresara endógena.
     Determine una característica sobre MCI y MC2E:
     

     1. AUna característica importante sobre MCI y MC2E es que las estimaciones obtenidas son relativas.
     2. BUna característica importante sobre MCI y MC2E es que las estimaciones obtenidas son constantes.
     3. CUna característica importante sobre MCI y MC2E es que las estimaciones obtenidas son permanentes.
     4. DUna característica importante sobre MCI y MC2E es que las estimaciones obtenidas son consistentes.
102. 102Por razones de economía, errores de especificación, etc., los métodos uniecuacionales son los más comunes
     Identifique una de las características de este método.
     

     1. AUna característica es que se considera el modelo ingreso-oferta monetaria dado anteriormente en las ecuaciones
     2. BUna característica única de estos métodos es que es posible estimar aisladamente una ecuación que forma parte de un modelo multiecuacional sin preocuparse mucho de las otras ecuaciones del sistema.
     3. CUna característica que es fácil aplicar porque todo lo que se necesita saber es el número total de variables exógenas o predeterminadas en el sistema sin conocer ninguna otra variable en el mismo.
     4. DNingunas de las anteriores

Description

REACTIVOS CARRERA

Author

Santiago Zambrano

Language

Español

Views

61

Tags

economíapreguntas profesionalizantes10º ano

Rating

No ratings yet

Rate this quiz

Rate this quiz

More on Regresión lineal simple y múltiple